حققت فريق البروفيسور وانغ هانزي في كلية المعلومات بجامعة شيامن تقدمًا بحثيًا جوهريًا في مجال ملاءمة النماذج المقاومة للضوضاء، حيث نُشرت النتائج في مجلة IEEE Transactions on Pattern Analysis and Machine Intelligence تحت عنوان يصف منهجية جديدة تعتمد على المحولات المدعومة بالحركة. وتستهدف هذه التقنية مشكلة استخلاص معاملات النماذج من البيانات المشوبة بالضوضاء والقيم الشاذة، وهي مهمة أساسية في الرؤية الحاسوبية. ورغم الإنجازات السابقة في منهجيات RANSAC التقليدية والأساليب المعتمدة على التعلم العميق، إلا أن الأولى تتسم ببطء الحساب وإهمال توزيع تفضيلات البيانات، بينما تعاني الثانية من قيود التمثيل الإحداثي الثابت وضيق مجال الرؤية في الشبكات التلافيفية، مما يحد من قدرتها على تحليل المشاهد الديناميكية المعقدة. لمواجهة هذه التحديات، قدم الفريق إطار عمل جديدًا يعرف بـ MPCFormer، يدمج الميزات الزمكانية عبر مرشح تفضول قائم على الحركة يستخدم آلية الانتباه متعدد الرؤوس للتقليل التكيفي من تأثير القيم الشاذة، ومنزلقة إجماع هرمية متعددة المقاييس تلتقط اتساق الحركة بشكل طبقي لحل إشكالية عدم الاستمرارية المكانية. ويعيد النموذج صياغة عملية الملاءمة كمشكلة تحسين مشتركة لتصنيف النقاط واستخراج المعاملات دون الاعتماد على العينات التكرارية. وقد أثبتت التجارب تفوق المنهجية، مسجلة قفزة بنسبة 4.68٪ في مقياس mAP@5°، و1.89٪ في AUC@3 بكسل، و1.52٪ في دقة F-score مقارنة بأفضل الأسس المرجعية، مما يوفر مسارًا تقنيًا جديدًا لاستعادة البنية الحركية في أنظمة الرؤية الذكية. شارك في إعداد البحث الدكتور يين وينيو تحت إشراف البروفيسور وانغ هانزي والبروفيسورة المساعدة لين شويويان من جامعة جينان والبروفيسور يان يان واللغوية المساعدة لو يانغ والبروفيسور ديفيد سوتر من أستراليا. وحصل العمل على دعم مالي من الصندوق الوطني الصيني للعلوم الطبيعية.