HyperAIHyperAI

Command Palette

Search for a command to run...

كيفية تقليل اكتشاف التغيير إلى التجزئة الدلالية

Guo-Hua Wang Bin-Bin Gao* Chenjie Wang

الملخص

اكتشاف التغيير (CD) يهدف إلى تحديد التغييرات التي تحدث في زوج من الصور تم التقاطها في أوقات مختلفة. الطرق السابقة تقوم بتصميم شبكات محددة من الصفر لتنبؤ أقنعة التغيير على مستوى البكسل، وتعاني من مشاكل التقطيع العامة. في هذا البحث، نقترح نموذجًا جديدًا يقلل من CD إلى التقطيع الدلالي، مما يعني تعديل شبكة تقطيع دلالي موجودة وقوية لحل مشكلة CD. يتمتع هذا النموذج الجديد بالتقنيات الرئيسية للتقطيع الدلالي للتعامل مع المشاكل العامة للتقطيع في CD. وبالتالي، يمكننا التركيز على دراسة كيفية اكتشاف التغييرات. نقترح رؤية جديدة ومهمة تتمثل في وجود أنواع مختلفة من التغييرات في CD ويجب تعلمها بشكل منفصل. استنادًا إلى هذه الرؤية، قمنا بتصميم وحدة باسم MTF لاستخراج معلومات التغيير ودمج الميزات الزمنية. تتمتع وحدة MTF بقابلية فهم عالية وكشف الخصائص الأساسية لـ CD. ويمكن تعديل معظم شبكات التقطيع لحل مشاكل CD باستخدام وحدتنا MTF. أخيرًا، نقترح C-3PO، وهي شبكة لاكتشاف التغييرات على مستوى البكسل. حققت C-3PO أفضل الأداء الحالي دون استخدام تقنيات معقدة أو إضافيات خاصة (bells and whistles). إنها بسيطة ولكنها فعالة ويمكن اعتبارها نقطة بداية جديدة في هذا المجال. رمز البرمجيات الخاص بنا متاح على https://github.com/DoctorKey/C-3PO.


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