محققان مدل جدیدی به نام «MegaFlow» را برای تخمین دقیق حرکت در ویدیوها (Optical Flow) معرفی کردهاند. این مدل با بهرهگیری از هوش مصنوعی پیشآموزشدیده (Vision Transformers)، میتواند تغییرات بزرگ در تصاویر را بدون نیاز به تنظیمات پیچیده و با دقت بالا تحلیل کند.
این نوآوری نه تنها در ویدیوها بلکه در ردیابی نقاط در فواصل طولانی نیز عملکردی فوقالعاده دارد و گامی مهم به سوی سیستمهای بینایی ماشینِ عمومیتر محسوب میشود.
منبع: arXiv
منبع: arXiv Computer Vision