← أحدث الأبحاث
💻 computer science

Offline Dynamic AOI Generation and Runtime Gaze Mapping for 360° Video in Virtual Reality: A Systems and Feasibility Study

تقدم هذه الورقة وتتحقق من صحة مسار عمل من مرحلة ما قبل التشغيل إلى وقت التشغيل لتتبع حركة العين في الواقع الافتراضي بزاوية 360 درجة، والذي يستخدم كواشف ذات مفردات مفتوحة لإنشاء مناطق اهتمام ديناميكية ويقوم برسم خرائط تتبع النظر المتزامن مع الإطارات، مع مقارنة نماذج مثل Grounding DINO وYOLO-World لتحقيق التوازن بين تغطية الكشف وكفاءة المعالجة مع تحديد التحديات التقنية الرئيسية للتحسين المستقبلي.

المؤلفون الأصليون: Alejandro Sanz-Huerta, José Miguel Mota Macías, Juan José Carrera-Herrera, Rubén Baena-Pérez, Ismael Traba Outes

نُشر 2026-10-01
📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Alejandro Sanz-Huerta, José Miguel Mota Macías, Juan José Carrera-Herrera, Rubén Baena-Pérez, Ismael Traba Outes

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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 أنك تحاول فهم ما ينظر إليه شخص ما بينما يرتدي سماعة رأس تعرض له عالماً كاملاً بزاوية 360 درجة. في فيلم مسطح، يمكنك بسهولة رسم مربع حول شخص أو سيارة والقول: "إنهم ينظرون إلى هذا". ولكن في الفيديو الكروي، يلتف العالم حول المشاهد؛ حيث يمكن للأجسام أن تتمدد، أو تتقلص، أو تنقسم إلى نصفين أثناء تحركها عبر حواف الصورة. ولدراسة كيفية تركيز الناس انتباههم في هذه البيئات الغامرة، يحتاج الباحثون إلى طريقة لتحديد هذه الأهداف المتحركة تلقائياً وتتبع عيون المشاهد وهي تتبعها. هذا هو التحدي الجوهري لتتبع حركة العين في الواقع الافتراضي: إنشاء خريطة موثوقة لما يهم في مشهد يتغير باستمرار ويلتف حول المستخدم.

قام فريق من الباحثين في جامعة قادس بإسبانيا ببناء نظام جديد لحل هذه المشكلة. لقد ابتكروا عملية مكونة من جزأين تفصل بين العمل الشاق المتمثل في تحديد الأجسام وبين اللحظة الفعلية لارتداء الشخص لسماعة الرأس. أولاً، يأخذون فيديو بزاوية 360 درجة ويستخدمون برامج كمبيوتر قوية لمسحه، بحثاً عن أشياء محددة مثل البشر أو الحيوانات أو الأشياء بناءً على أوصاف نصية بسيطة. ترسم هذه البرامج مربعات غير مرئية حول العناصر التي تجدها، ثم يحول الفريق هذه المربعات إلى خريطة رقمية خاصة يمكن لسماعة الرأس قراءتها. لاحقاً، عندما يرتدي المشارك سماعة الرأس لمشاهدة الفيديو، يستخدم النظام هذه الخريطة ليعرف فوراً أي جسم ينظر إليه الشخص، إطاراً تلو الآخر، دون الحاجة للقيام بالعمل الحسابي الثقيل أثناء تشغيل الفيديو.

ولاختبار مدى فعالية هذا النظام، جرب الباحثون تقنيتهم مع ثلاثة أنواع مختلفة من الفيديوهات: غرفة بها أشخاص وأجهزة كمبيوتر محمولة، ومشهد غابة، ومقطع للحياة البرية يضم أسودًا وغزلانًا. كما اختبروا ثلاثة برامج كمبيوتر مختلفة لمعرفة أيهم الأفضل في العثور على الأجسام. كان أحد البرامج، ويُدعى Grounding DINO، الأكثر دقة، حيث وجد أكبر عدد من الأجسام حتى في المشاهد الصعبة، لكنه استغرق وقتاً طويلاً لمعالجة الفيديو. أما برنامج آخر، وهو YOLO-World، فقد كان سريعاً للغاية — أسرع بنحو تسع مرات من الأول — ولكنه أغفل العديد من الأجسام، خاصة الحيوانات الصغيرة في مقطع الحياة البرية. ووقع الخيار الثالث، OWLv2، في منطقة وسط بينهما. ووجد الباحثون أنه لا يوجد برنامج واحد مثالي لكل موقف؛ فالاختيار الأفضل يعتمد كلياً على ما يحتويه الفيديو.

وعندما اختبروا النظام الكامل مع ثمانية متطوعين، عملت التكنولوجيا بسلاسة. نجحت سماعة الرأس في تتبع أين كان المشاركون ينظرون وربط تلك النظرات بالأجسام التي حددها الكمبيوتر. سجل النظام كل مرة ركز فيها الشخص على شيء ما، مما خلق سجلاً مفصلاً لانتباههم. ومع ذلك، كشفت الدراسة أيضاً عن مواضع تعثر النظام. ففي فيديو الحياة البرية، فشل النظام غالباً في ملاحظة الحيوانات. حدث هذا لأن الحيوانات كانت صغيرة، وتتحرك بسرعة، وتظهر أحياناً في أجزاء من الفيديو حيث تكون الصورة مشوهة بطبيعتها. واجهت برامج الكمبيوتر صعوبة في العث حد هذه الأهداف الصغيرة والمتحركة، مما يعني أن النظام فاته الكثير من الأوقات التي كان المشاركون ينظرون فيها بالفعل إلى الحيوانات.

خلص الباحثون إلى أن طريقتهم تشكل أساساً متيناً للدراسات المستقبلية. فهي تثبت أنه يمكنك تلقائياً إنشاء خرائط الانتباه هذه واستخدامها في تجارب الواقع الافتراضي في الوقت الفعلي. إن الفصل بين التحضير "خارج الخط" (offline) والتجربة المباشرة يجعل العملية موثوقة وقابلة للتكرار. ومع ذلك، فقد أوضحوا أيضاً أن التكنولوجيا ليست جاهزة بعد لكل أنواع الفيديوهات؛ فبينما تعمل بشكل جيد في المشاهد الواضحة والمنظمة مثل غرفة بها أشخاص، إلا أنها لا تزال بحاجة إلى تحسين للتعامل مع الأجسام الصغيرة سريعة الحركة في البيئات الطبيعية المعقدة. لا تدعي الدراسة أنها حلت مشكلة تتبع حركة العين في فيديو 360 درجة تماماً، لكنها قدمت مخططاً عملياً وقائمة واضحة بالعقبات المحددة التي لا تزال بحاجة إلى تجاوزها.

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 →