مناقشة أطروحة دكتوراه في علوم الحاسوب تقدّمها السيدة Oumaima MOUTIK

الجامعة الأورومتوسطية بفاس لها الشرف أن تُعلِم الجمهور بـ

soutenance de thèse de doctorat en ”Computer Science”

ستجري مناقشة الرسالة يوم Samedi 12 Octobre 2024 à 10h00 في UEMF 

Lieu: القاعة الكبرى للحاضنة (LOC001994) 

ستُقدَّم الأطروحة من طرف السيدة Oumaima

MOUTIK تحت عنوان :

“تقنيات التعلم العميق الموجه والتعلم الذاتي الموجّه للتعرّف على الأفعال البشرية المعتمدة على الهيكل العظمي في بيانات الوسائط البصرية”

ملخص 

يثير الذكاء الاصطناعي ثورة في تطبيقات فهم الفيديو، متداخلًا بسلاسة في روتيننا اليومي. إلا أن خوارزميات التعرف على الأفعال حتى الآن غير قادرة على الاستدلال على الفيديوهات كما يفعل البشر. لذلك، تهدف أطروحتنا إلى تطوير حلول للتعرف على الأفعال تقارن مع أحدث ما توصلت إليه الأبحاث من حيث الدقة مع خفض التكاليف الزمنية والمالية.

أولاً، درسنا إمكانية تحسين كشف التفاعل بين الإنسان والشيء عبر دمج معلومات المشهد باستخدام تقنية ضغط تسمى تقطير المعرفة (Knowledge Distillation). أظهرت هذه المهمة المساعدة فعاليتها في التمييز بين الأفعال. ثم أخذنا في الاعتبار الأجسام المحيطة، بما في ذلك حركاتها، لتحسين التعرف على الأفعال المعتمد على الهيكل العظمي. شمل ذلك تصميم مجموعة تتضمن معلومات عن الأجسام من نمط RGB، ثم دمجها بشكل متسق مع بيانات الهياكل ثلاثية الأبعاد باستخدام تقنية دمج مبكرة مبتكرة.

خلال مسار أطروحتنا، بحثنا التعلم الذاتي الموجه (Self-supervised Learning) لمهمة التعرف على الأفعال المعتمدة على الهيكل العظمي، مدفوعين بالحاجة إلى تخفيف التكلفة العالية المرتبطة بالتعليقات البشرية. اقترحنا مهمة مسبقة مبتكرة، "Questions Form Puzzle"، تعتمد على عمليات إحصائية. أظهرت هذه الدراسة نتائج مهمة عبر مجموعات بيانات معروفة مبنية على الهياكل ومهدت الطريق لأبحاث مستقبلية واسعة النطاق. عبر هذه الإسهامات، تطوّر أطروحتنا مجال التعرف على الأفعال ساعيةً لفهم الفيديو بشكل أقرب إلى الفهم البشري مع تقليص كبير في متطلبات الحوسبة والتعليقات.

ملخص 

الذكاء الاصطناعي يُحدث ثورة في تطبيقات فهم الفيديو، متكاملًا في حياتنا اليومية. ومع ذلك، فحتى الآن لا تستطيع خوارزميات التعرف على الأفعال أن تستدل على الفيديوهات كما يفعل البشر. ولهذا، تهدف أطروحتنا إلى تطوير حلول للتعرف على الأفعال تضاهي مستوى الأداء الحالي من حيث الدقة ولكن بتكاليف أقل زمنياً ومواردياً.

أولاً درسنا إمكانية تحسين كشف التفاعلات بين الإنسان والجماد عبر إدماج معلومات المشهد باستخدام تقنية ضغط تُدعى تقطير المعرفة. لقد أثبتت هذه المهمة المساعدة فعاليتها في تمييز الأفعال. ثم تعاملنا مع الأجسام المحيطة، بما في ذلك حركاتها، لتحسين التعرف على الأفعال المعتمد على الهياكل العظمية. تطلّب ذلك تصميم مجموعة تضم معلومات الأجسام من نمط RGB، ثم دمجها بشكل متسق مع بيانات الهياكل ثلاثية الأبعاد باستخدام تقنية دمج مبكرة جديدة.

في مسار أطروحتنا، بحثنا التعلم الذاتي الموجّه لمهام التعرف على الأفعال المعتمدة على الهياكل العظمية، بدافع الحاجة لتقليص التكلفة العالية المصاحبة للتعليقات البشرية. اقترحنا مهمة مسبقة جديدة، "Questions Form Puzzle"، مبنية على عمليات إحصائية. حقق هذا العمل نتائج بارزة على مجموعات بيانات معروفة مبنية على الهياكل وفتح آفاقاً لأبحاث مستقبلية معمّقة. من خلال هذه المساهمات، تدفع أطروحتنا مجال التعرف على الأفعال نحو الأمام ساعيةً لفهم الفيديو بصورة أقرب إلى الفهم البشري مع تقليل كبير في متطلبات الحوسبة والتعليقات.

ستُعرض هذه الأطروحة أمام أعضاء لجنة المناقشة :