محققان مدل جدیدی به نام «DHNet» را برای بهبود شناسایی اشیاء در ویدیوهای «RGB-Thermal» (ترکیب دوربینهای معمولی و حرارتی) معرفی کردهاند.
این مدل که با چالشهایی مثل عدم همترازی تصاویر دست و پنجه نرم میکند، از یک ساختار «ابرگراف» (Hypergraph) هوشمند برای مدلسازی روابط مکانی و زمانی استفاده میکند تا در شرایط نوری ضعیف، برف یا باران، عملکرد فوقالعادهای داشته باشد.
در کنار این مدل، یک دیتاسیت عظیم و متنوع با بیش از ۱۰۰ هزار جفت تصویر ویدئویی نیز منتشر شده که گام بزرگی برای آموزش هوش مصنوعی در محیطهای پیچیده مثل فضاهای شهری و پارکهاست. 🚀
منبع: arXiv Computer Vision