اختيار إطارات ذكية لتمييز الإجراءات

تمييز الحركات هو عملية مكلفة حسابيًا. في هذه الورقة، نتناول مشكلة اختيار الإطارات بهدف تحسين دقة تمييز الحركات. وتحديدًا، نُظهر أن اختيار إطارات جيدة يُحسّن الأداء في تمييز الحركات حتى في مجال الفيديوهات المقطوعة (trimmed videos). وقد استخدمت الدراسات الحديثة بنجاح تقنية اختيار الإطارات في الفيديوهات الطويلة غير المقطوعة، حيث تكون معظم المحتويات غير ذات صلة وسهلة التخلص منها. لكن في هذه الدراسة، نركز على المشكلة القياسية الأقل تعقيدًا، وهي تمييز الحركات القصيرة والمقطوعة. ونُجادل بأن اختيار الإطارات الجيدة لا يقلل فقط من التكلفة الحسابية لتمييز الحركات، بل يزيد من دقتها من خلال التخلص من الإطارات التي يصعب تصنيفها. على عكس الدراسات السابقة، نقترح طريقة جديدة لا تختار الإطارات واحدة تلو الأخرى، بل تنظر إليها بشكل جماعي. وهذا يؤدي إلى اختيار أكثر كفاءة، حيث يتم توزيع الإطارات الجيدة بشكل فعّال عبر الفيديو، كصور مصورة تروي قصة. نُسمّي هذه الطريقة باختصار "SMART" لاختيار الإطارات، ونختبرها مع معمليات أساسية مختلفة وعلى عدة معايير (Kinetics، Something-something، UCF101). ونُظهر أن اختيار الإطارات باستخدام SMART يُحسّن الدقة بشكل متسق مقارنةً بأساليب اختيار الإطارات الأخرى، مع خفض التكلفة الحسابية بنسبة تصل إلى 4 إلى 10 أضعاف. علاوة على ذلك، نُبين أن عند وضع الأداء في التمييز كهدف رئيسي، يمكن لاستراتيجيتنا في اختيار الإطارات أن تتفوّق على النماذج والأدوات الحديثة الأفضل في مجال التمييز على عدة معايير (UCF101، HMDB51، FCVID، وActivityNet).