مكسيفبر: خلط الميزات للتعريف المرئي بالموقع

تمثّل التعرف على المكان البصري (VPR) جزءًا جوهريًا في الروبوتات المتنقلة والقيادة الذاتية، فضلًا عن مهام الرؤية الحاسوبية الأخرى. وتشير إلى عملية تحديد المكان المُصوَّر في صورة استعلام باستخدام تقنيات الرؤية الحاسوبية فقط. وفي المقياس الكبير، تمثّل الهياكل المتكررة وتغيرات الطقس والإضاءة تحديًا حقيقيًا، حيث يمكن أن تتغير مظاهر المواقع بشكل جذري مع مرور الوقت. وبالإضافة إلى التغلب على هذه التحديات، يجب أن تكون تقنية التعرف على المكان البصري فعّالة وعملية في السياقات الواقعية، حيث يُعدّ التأخير (latency) عاملًا مهمًا. ولحل هذه المشكلة، نقدّم MixVPR، وهي تقنية جديدة للجمع الشامل للميزات، تأخذ خرائط الميزات من النماذج الأساسية المُدرَّبة مسبقًا كمجموعة من الميزات الشاملة. ثم، تدمج العلاقة الشاملة بين عناصر كل خريطة ميزات من خلال سلسلة من عمليات الخلط (feature mixing)، مما يُلغِي الحاجة إلى عمليات جمع محلية أو هرمية كما هو الحال في NetVLAD أو TransVPR. ونُظهر فعالية تقنيتنا من خلال تجارب واسعة النطاق على عدة معايير كبيرة. تتفوّق طريقتنا على جميع التقنيات الحالية بفارق كبير، مع امتلاكها أقل من نصف عدد المعاملات مقارنةً بـ CosPlace و NetVLAD. ونحقق رقمًا قياسيًا جديدًا على الإطلاق في مؤشر الاسترجاع عند الموضع الأول (recall@1)، بلغ 94.6% على مجموعة بيانات Pitts250k-test، و88.0% على MapillarySLS، وأهم من ذلك، 58.4% على مجموعة Nordland. وأخيرًا، تتفوّق طريقتنا على تقنيات الاسترجاع ذات المرحلتين مثل Patch-NetVLAD و TransVPR و SuperGLUE، مع سرعة تفوقها بعشرات أو مئات المرات. يُمكن الوصول إلى الكود النموذجي والنموذج المدرب عبر الرابط التالي: https://github.com/amaralibey/MixVPR.