Çarpışma önleme teknolojilerinin geliştirilmesinde önemli bir adım atılırken, araştırmacılar video analizi yoluyla çarpışma zamanını (Time-to-Collision - TTC) tahmin edebilen yeni bir yapay zeka sistemi geliştirdi.
CollideNet adı verilen bu yenilikçi sistem, hiyerarşik transformer mimarisi üzerine inşa edilmiş ve video verilerini hem uzamsal hem de zamansal boyutlarda çoklu ölçeklerde analiz edebiliyor. Sistemin en dikkat çekici özelliği, karmaşık video verilerini farklı bileşenlerine ayırarak işleyebilmesi.
Uzamsal akış sisteminde, CollideNet her video karesini aynı anda birden fazla çözünürlükte inceleyerek detaylı bilgi toplama kapasitesine sahip. Zamansal akışta ise, çoklu ölçek özellik kodlamasının yanı sıra, durağanlık dışı bileşenler, trend ve mevsimsel örüntüleri birbirinden ayırarak analiz ediyor.
Üç farklı halka açık veri seti üzerinde yapılan kapsamlı testlerde, CollideNet mevcut en iyi yöntemleri önemli bir farkla geride bırakarak yeni bir performans standardı oluşturdu. Araştırma ekibi ayrıca sistemin genelleme kabiliyetlerini değerlendirmek için çapraz veri seti analizleri de gerçekleştirdi.
Bu teknolojik gelişme, otonom araç sistemleri, akıllı güvenlik uygulamaları ve endüstriyel güvenlik alanlarında çarpışma önleme sistemlerinin etkinliğinin artırılmasında önemli bir potansiyel sunuyor.