27 يوليو 2026 · المؤتمر الأوروبي لرؤية الحاسوب (ECCV) 2026
رسول خانباييف، محمد ريان برحدادي، إرتشين سربدين، حسن كوربان — جامعة حمد بن خليفة وجامعة تكساس إيه آند إم
وجّه كاميرا نحو بندول يتأرجح، وستجد أن كل ما تحتاج معرفته عنه موجود نظريًا في التسجيل: طوله، وتخامده، وحتى المعادلة التي تحكم حركته. لكن جعل الآلة تستخرج هذه الفيزياء فعليًا من البكسلات يبقى من أصعب المسائل المفتوحة في رؤية الحاسوب — ولم تكن هناك حتى الآن طريقة عادلة لقياس مَن يفعل ذلك أفضل. معيارنا الجديد IRIS، المقبول في ECCV 2026، يغيّر هذا الواقع.
قُيّمت طرق تقدير المعاملات الفيزيائية من الفيديو حتى اليوم على بيانات اصطناعية غير متداخلة — كل ورقة تولّد محاكاتها الخاصة وتعلن أرقامها الخاصة. ومجموعة البيانات الواقعية الوحيدة الموجودة تقتصر على أنظمة الجسم الواحد، ولا يوجد بروتوكول راسخ للسؤال الأصعب: تحديد المعادلات الحاكمة نفسها. والنتيجة أن الطرق المنشورة لا يمكن مقارنتها مقارنة ذات معنى، ولا يُعرف مدى صمود أيٍّ منها أمام الواقع.
IRIS معيار واقعي عالي الدقة مبني لهذه المهمة تحديدًا: 240 فيديو واقعيًا مصوّرًا بدقة 4K وبمعدل 60 إطارًا في الثانية، يغطي أنظمة ديناميكية أحادية ومتعددة الأجسام. سُجّل كل نظام في ظروف مختبرية مضبوطة، مع معاملات مرجعية مُقاسة بشكل مستقل وتقديرات لعدم اليقين، ومقترنًا بمعادلاته الحاكمة.
وفوق البيانات، يعرّف IRIS بروتوكول تقييم موحّدًا يغطي خمسة محاور: دقة المعاملات، وقابلية التحديد، والاستقراء، والمتانة، واختيار المعادلة الحاكمة. لأول مرة يمكن مقارنة الطرق على اللقطات الواقعية نفسها مقابل حقيقة مُقاسة فيزيائيًا.
تقيّم الورقة عدة نماذج مرجعية، منها صياغة خسارة فيزيائية متعددة الخطوات وأربع استراتيجيات متكاملة لتحديد المعادلات: الاستدلال الزمني بنماذج الرؤية واللغة، وأسلوب الوصف ثم التصنيف، والتصنيف بالشبكات الالتفافية، والتوسيم المعتمد على المسار. تُرسي هذه النماذج أداءً مرجعيًا عبر جميع سيناريوهات IRIS، وتكشف — وهذا الأهم — أنماط فشل منهجية ترسم اتجاه البحث المقبل.
استخراج الفيزياء من الفيديو بشكل موثوق يفتح تطبيقات تمتد من الروبوتات والتوائم الرقمية إلى الاكتشاف العلمي من المشاهدة وحدها. والمقياس الواقعي المشترك شرط أساسي للتقدم — وهو الدور نفسه الذي لعبه ImageNet في التعرف على الصور. وقد أُتيحت مجموعة البيانات والتوسيمات وأدوات التقييم وجميع النماذج المرجعية للعموم.
اقتصاديات استخراج الفيزياء من الفيديو مقنعة لأن المستشعر موجود في كل مكان أصلًا: الكاميرا. الاستعادة العكسية الموثوقة تحوّل الفيديو العادي إلى أداة قياس، بتطبيقات مباشرة عبر الصناعات:
الورقة الكاملة: حمّل ملف PDF — المنهجية الكاملة وبروتوكول التقييم ونتائج النماذج المرجعية.
صفحة المشروع: kurbanintelligencelab.github.io/iris-bench
سيُضاف رابط النسخة الرسمية عند نشر وقائع ECCV 2026.