← أحدث الأبحاث
💻 computer science

Event-Based Motion Estimation via Oriented Distance Fields

تقدم هذه الورقة البحثية "تقدير الحركة باستخدام حقل المسافة الموجه"، وهي طريقة منخفضة زمن الاستجابة تحقق دقة دون البكسل عبر استبدال التحسين التكراري بخطوة متوسطة واحدة فوق حقول مسافة الأحداث المحسوبة مسبقاً، بينما تتيح في الوقت ذاته إزالة ضبابية الصور في الوقت الفعلي وتتبع بؤبؤ العين بكفاءة في استهلاك الطاقة من خلال تطبيقها المعمم.

المؤلفون الأصليون: Lei Sun, Yuqin Ma, Weilun Li, Haoran Liang, Runyi Yang, Kaiwei Wang, Danda Pani Paudel, Luc Van Gool

نُشر 2026-08-26
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Lei Sun, Yuqin Ma, Weilun Li, Haoran Liang, Runyi Yang, Kaiwei Wang, Danda Pani Paudel, Luc Van Gool

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل كاميرا لا تلتقط الصور بالطريقة المعتادة، عبر التقاط تدفق مستمر من اللقطات بسرعة ثابتة. بدلاً من ذلك، يعمل هذا المستشعر الخاص كأنه سرب من ملايين المراقبين الصغار والمستقلين، كل منهم يراقب نقطة ضوء واحدة. هم لا يتحدثون إلا عندما تتغير شدة سطوع تلك النقطة، حيث يبلغون عن اللحظة بدقة تصل إلى الميكروثانية. هذه التكنولوجيا، المعروفة باسم "كاميرا الأحداث" (event camera)، مصممة لعالم السرعة العالية، حيث تعجز الكاميرات التقليدية عن مواكبتها. فعندما تتحرك الكاميرا بسرعة، يتسبب المستشعر القياسي في تشويش الصورة لأنه يحاول التقاط كل ما حدث خلال جزء من الثانية. أما كاميرا الأحداث، فهي تسجل التغييرات فقط، مما يخلق تدفقاً من البيانات التي تشفر مسار الحركة بشكل مباشر. وكان التحدي الذي واجه العلماء هو كيفية قراءة هذا التدفق بسرعة كافية ليكون مفيداً؛ إذ تحاول معظم الطرق الموجودة حل لغز الحركة من خلال التخمين والتحقق المتكرر، وهي عملية تستغرق وقتاً وتؤدي إلى إبطاء الميزة ذاتها التي صُنع من أجلها هذا المستشعر.

لقد قدم فريق من الباحثين الآن طريقة جديدة لقراءة تدفقات الحركة هذه تلغي الحاجة إلى التخمين تماماً. فقد طوروا طريقة تسمى "تقدير حركة حقل المسافة الموجه" (Oriented Distance Field Motion Estimation). فبدلاً من إجراء عملية حسابية معقدة لكل قطعة بيانات تصل، يقوم النظام أولاً ببناء خريطة ثابتة بناءً على حواف المشهد الذي يراه. تعمل هذه الخريطة كدليل مُعد مسبقاً. وعند وصول قطعة جديدة من البيانات، يقوم النظام ببساطة بالبحث عن موقعها في هذه الخريطة لإيجاد الاتجاه والمسافة التي تحركها الجسم. ثم يقوم بمتوسط عمليات البحث هذه لتحديد المسار الإجمالي. يستبدل هذا النهج عملية البحث البطيئة والمتكررة بعملية بحث واحدة فورية. والنتي نتيجة ذلك هي نظام يمكنه تتبع الحركة بدقة "دون البكسل" (sub-pixel accuracy) مع العمل بسرعة تفوق الطرق السابقة بعدة مراتب، مما أزال فعلياً التأخير الذي كان يعيق هذه المستشعرات عالية السرعة.

اختبر الباحثون هذه الطة الجديدة على كل من البيانات العامة وتسجيلاتهم الخاصة، مقارنين إياها بأفضل التقنيات الموجودة. ووجدوا أن نظامهم يمكنه تحديد مسار جسم متحرك بخطأ أقل من بكسل واحد، مما يضاهي أو يتفوق على دقة الطرق القديمة. والأهم من ذلك، أنه فعل ذلك بزمن استجابة (latency) أقل بكثير، حيث يقوم بتحديث تقديره مئات المرات في الثانية. ولإثبات أن هذه السرعة والدقة مفيدتان في العالم الحقيقي، طبق الفريق نتائجهم على مهمتين مختلفتين تماماً. أولاً، استخدموا مسار الحركة لإصلاح الصور الضبابية؛ فمن خلال معرفة كيفية تحرك الكاميرا بالضبط أثناء التقاط الصورة، تمكنوا من عكس الضبابية رياضياً. وقد دمجوا بيانات الحركة الخاصة بهم مع برنامج حاسوبي صغير وفعال لاستعادة الصور الحادة، محققين نتائج تضاهي أو تفوق الأنظمة الأكبر والأكثر تعقيداً، ولكن باستخدام موارد حوسبة أقل بكثير.

في تطبيق ثانٍ، استخدم الفريق نفس بيانات الحركة لتتبع حركة العين البشرية. وهذه مهمة صعبة بالنسبة للكاميرات القياسية لأن العين تتحرك بسرعة كبيرة ويمكن للإضاءة أن تتغير بسرعة. ومن خلال استخدام طريقة تقدير الحركة الخاصة بهم لتصفية الضوضاء وتتبع حافة حدقة العين، أنشأوا متتبعاً يمكنه تتبع نظرة الشخص لعشرات الثواني دون أن يفقد مكانه. كما بنوا جهازاً نموذجياً للاستخدام القريب من العين، يشبه ما قد يُرتدى في نظارات الواقع المعزز. استهلك هذا الجهاز طاقة أقل من نصف طاقة نظام كاميرا تقليدي يلتقط صوراً عادية؛ حيث استهلك متتبع الحركة القائم على الأحداث 127.1 ميلي واط فقط عند 60 إطاراً في الثانية، مقارنة بـ 215.0 ميلي واط للكاميرا التقليدية، مما يثبت أن الطريقة الجديدة لا تعمل بشكل أسرع فحسب، بل تسمح أيضاً بإنشاء أجهزة أخف وزناً وأكثر كفاءة في استهلاك الطاقة.

يعتمد نجاح هذا النهج على بضعة شروط محددة. تعمل الطريقة بشكل أفضل عندما يتحرك المشهد بأكمله معاً، مثل تحريك الكاميرا لمسح مشهد طبيعي، بدلاً من تحرك الأجسام في المشهد بشكل مستقل. كما تتطلب أن تحتوي حواف المشهد على تنوع كافٍ في زواياها لتوفير اتجاه واضح للحركة. فإذا كان المشهد يهيمن عليه خط مستقيم واحد أو إذا كانت الأجسام تتحرك في اتجاهات مختلفة، فقد تنخفض الدقة. ويقر الباحثون بهذه الحدود، مشيرين إلى أن عملهم الحالي يركز على الحركة ثنائية الأبعاد، والتي تغطي العديد من الاستخدامات العملية مثل تثبيت الكاميرا أو تتبع رأس الشخص، ولكنها لا تتعامل بعد مع الدورانات المعقدة ثلاثية الأبعاد. ورغم هذه الحدود، يظل الجوهر الأساسي قائماً: من خلال استبدال البحث التكراري البطيء بعملية بحث واحدة مُعدة مسبقاً، نجح الفريق في إطلاق العنان لإمكانات السرعة الكاملة لكاميرات الأحداث، مما يسمح لها برؤية والتفاعل مع العالم بالسرعة التي يتغير بها الضوء نفسه.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💻 cs →