الطرق الحديثة للكشف عن الأشخاص متعددة الآراء المستندة إلى التعلم العميق (MVD) قد أظهرت نتائج واعدة على مجموعات البيانات الموجودة. ومع ذلك، فإن الطرق الحالية يتم تدريبها وتقييمها بشكل أساسي على مشاهد فردية صغيرة تحتوي على عدد محدود من الإطارات متعددة الآراء وآراء كاميرات ثابتة. نتيجة لذلك، قد لا تكون هذه الطرق عملية للكشف عن الأشخاص في مشاهد أكبر وأكثر تعقيدًا تحتوي على احتمالات كبيرة للإخفاء وأخطاء ضبط الكاميرا. يركز هذا البحث على تحسين الكشف عن الأشخاص متعدد الآراء من خلال تطوير نهج لتوزيع الأوزان المراقب لكل رأي يدمج المعلومات من عدة كاميرات بشكل أفضل في المشاهد الكبيرة. بالإضافة إلى ذلك، تم استخدام مجموعة بيانات صناعية كبيرة لتعزيز قدرة النموذج على التعميم وتمكين تقييم ومقارنة أكثر عملية. تم تحسين أداء النموذج في مشاهد الاختبار الجديدة أيضًا باستخدام تقنية بسيطة للتكيف بين المجالات. تظهر النتائج التجريبية فعالية نهجنا في تحقيق أداء واعد للكشف عن الأشخاص متعدد الآراء عبر المشاهد المختلفة. يمكن الاطلاع على الرمز البرمجي هنا: https://vcc.tech/research/2024/MVD.