tsta

Home / دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی

بازیابی لحظات ویدئویی در بازی‌های رایانه‌ای: از مدل‌های زبانی بزرگ تا یادگیری تقابلی

Authors :

محمد گل زوری¹ پارسا ذاکرحیات² مصطفی عمری³

1- دانشگاه بین‌المللی امام خمینی (ره) 2- دانشگاه بین‌المللی امام خمینی (ره) 3- دانشگاه بین‌المللی امام خمینی (ره)

Keywords :

بازیابی اطلاعات چندرسانه‌ای،بازی‌های رایانه‌ای،مدل‌های زبانی بزرگ،یادگیری تقابلی،بازیابی لحظات ویدئویی

Abstract :

با گسترش روزافزون داده‌های چندرسانه‌ای و به‌ویژه ویدئوهای تعاملی در حوزه بازی‌های رایانه‌ای، نیاز به روش‌های پیشرفته برای بازیابی لحظات خاص و معنادار بیش از پیش احساس می‌شود. بازیابی اطلاعات چندرسانه‌ای با اتکا بر مدل‌های یادگیری عمیق و معماری‌های ترکیبی متنی_تصویری، رویکردهای نوینی برای پاسخ به این نیاز فراهم کرده است. پژوهش‌های اخیر نشان می‌دهند که ترکیب مدل‌های زبانی بزرگ با روش‌های بینایی رایانه‌ای، می‌تواند دقت و کارایی بازیابی لحظات ویدئویی را به طور قابل توجهی افزایش دهد. این مقاله یک مرور بر پیشرفت‌های اخیر در حوزه بازیابی لحظات ویدئویی در بازی‌های رایانه‌ای و محیط‌های چندرسانه‌ای ارائه می‌دهد. ابتدا مفاهیم پایه و ضرورت‌های این حوزه تشریح می‌شوند. سپس کارهای مرتبط بررسی شده و شکاف‌های موجود در روش‌های پیشین شناسایی می‌شوند. در ادامه، رویکردهای نوین شامل یادگیری مبتنی بر تقابل ،تقویت‌کننده ،و مدل‌های توجهی برای هم‌ترازی بهتر داده‌های متنی و تصویری تحلیل می‌شوند. این مرور نشان می‌دهد که هرچند پیشرفت‌های قابل‌توجهی حاصل شده است، اما چالش‌هایی همچون مقیاس‌پذیری، ابهام در پرس‌وجوهای متنی، و نیاز به داده‌های برچسب‌خورده بزرگ همچنان باقی است. در نهایت، مسیرهای آتی پژوهش شامل استفاده ترکیبی از مدل‌های زبانی بزرگ، بهبود کارایی محاسباتی و طراحی چارچوب‌های تعاملی برای بازیابی در زمان واقعی پیشنهاد می‌شوند. نوآوری این مقاله در ارائه یک دسته‌بندی تحلیلی از رویکردهای نوین و روشن‌سازی سهم هر روش در پیشبرد بازیابی لحظات ویدئویی در بازی‌ها و سایر محیط‌های چندرسانه‌ای است.