HyperAIHyperAI

Command Palette

Search for a command to run...

الإجراءات كنقاط متحركة

Yixuan Li Zixu Wang Limin Wang Gangshan Wu

الملخص

تعتمد كاشفات أنبوب الحركة الحالية غالبًا على تصميم ووضع محددات يدوي (heuristic anchors)، وهي قد تكون مكلفة من حيث الحوسبة وغير مثالية من حيث الدقة في التحديد المكاني. في هذه الورقة، نقدم إطارًا مفاهيميًا بسيطًا، وفعالًا من حيث الحوسبة، وأكثر دقة في كشف أنبوب الحركة، يُسمى بـ "مُكتشف مركز الحركة" (MOC-detector)، وذلك بمعالجة كل حدث حركي كمسار لنقاط متحركة. بالاعتماد على الفكرة التي تفيد بأن معلومات الحركة يمكن أن تبسط وتساعد في كشف أنبوب الحركة، يتكون مُكتشف MOC من ثلاث فروع حاسمة: (1) الفرع المركزي (Center Branch) للكشف عن مركز المُثَلَّث وتصنيف الحركة، (2) الفرع الحركي (Movement Branch) لتقدير الحركة بين الإطارات المجاورة لتكوين مسارات لنقاط متحركة، (3) الفرع المكاني (Box Branch) للكشف عن الحدود المكانية من خلال استرجاع مباشرة لحجم المربع المحيط (bounding box) عند كل مركز مقدّر. تعمل هذه الفروع الثلاث معًا لإنتاج نتائج كشف الأنبوب، والتي يمكن ربطها لاحقًا لتكوين أنابيب على مستوى الفيديو باستخدام استراتيجية مطابقة. يتفوق مُكتشف MOC على الطرق المتطورة الحالية من حيث كلا المعيارين: frame-mAP وvideo-mAP، على مجموعتي بيانات JHMDB وUCF101-24. ويكون الفارق في الأداء أكثر وضوحًا عند قيم IoU أعلى للفيديو، مما يدل على أن مُكتشف MOC فعّال بشكل خاص في كشف الحركات بدقة عالية. نوفر الكود على الرابط التالي: https://github.com/MCG-NJU/MOC-Detector.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp