في عالم الذكاء الاصطناعي، تتطور النماذج الكبيرة للرؤية واللغة (VLMs) بشكل مستمر، ولكنها تواجه تحديات كبيرة عندما يتعلق الأمر بإجراء العد، خاصة في مقاطع الفيديو. إن تقديم نموذج PushupBench يعد خطوة فاصلة في هذا المجال.
ماذا يقدم PushupBench؟
**PushupBench** هو مجموعة متكاملة تحتوي على 446 مقطع فيديو طويل (بمتوسط 36.7 ثانية) والتي تم تصميمها لتقييم دقة العد في التمارين مثل تمرين الضغط (Push-ups). على الرغم من أن أفضل النماذج الفعالة حققت دقة تصل إلى 42.1%، إلا أن النماذج مفتوحة المصدر الأخرى سجلت حوالي 6% فقط.
القلق حول دقة العد
يُظهر البحث أن الاعتماد على الدقة فقط قد يكون مضللاً. النماذج الأضعف تستغل البيانات الموجودة بدلاً من أن تقوم بالتفكير الزمني المنطقي. لذا، فإن التحسين عن طريق تدريب هذه النماذج على عد التمارين مع عينة من 1000 تمرين يمكن أن يحدث فرقًا كبيرًا، حيث سجلنا زيادات ملحوظة في الفهم العام للفيديو.
الأداة متاحة للجميع
تم دمج **PushupBench** في أداة lmms-eval عبر GitHub، مما يسهل على الباحثين والمطورين اختبار وتقييم نماذجهم. [pushupbench.com](https://pushupbench.com) هو المصدر المثالي للانطلاق.
خلاصة
PushupBench ليس مجرد نموذج للعد، بل هو أداة لتعزيز الفهم الزمني الشامل، مما يفتح آفاقًا جديدة لتطبيقات الذكاء الاصطناعي. هل تعتقد أن تحسين العد سيسهم في تطوير الأبحاث في مجال الفيديو؟