باحثون يوجّهون تقنية V-JEPA لفهم الفيديو نحو المحيط... والنتائج متفاوتة

ستة مشاهد ساحلية موصوفة (annotated) فقط. هذا هو كل ما تدرب عليه إطار عمل جديد يحاول تقدير ارتفاع الموجة وفترتها واتجاهها مباشرة من لقطات الفيديو، مستخدمًا نموذج الرؤية بالمحوّلات ذاتي الإشراف (Self-supervised Vision Transformer) الخاص بميتا والمعروف باسم V-JEPA كعمود فقري له. الورقة البحثية، التي قُدّمت إلى أرشيف "آركايف" (arXiv) في 13 يوليو 2026، ليست منتجًا جاهزًا بقدر ما هي دليل على إمكانية التطبيق (Proof of Concept): إذ تُظهر أن نموذجًا مصممًا لفهم الفيديو بشكل عام يمكن إعادة توجيهه لمهمة قياس دقيقة ومحكومة فيزيائيًا، حتى في غياب بيانات موصوفة كافية للتعلم منها.

رصد الموج الساحلي يعتمد تقليديًا على العوامات (Buoys) والرادار أو مصفوفات مستشعرات متخصصة، وجميعها مكلفة عند النشر والصيانة على نطاق واسع. أما كاميرات الفيديو فمنتشرة بالفعل على طول كثير من السواحل، مما يجعل استخراج معاملات الموج مباشرة من اللقطات المصورة بديلًا جاذبًا إذا ثبتت دقته. الفريق البحثي دمج التمثيلات ذاتية الإشراف (Self-supervised Representations) لـV-JEPA مع مُرمِّز زمني (Temporal Encoder) من نوع SlowFast وتقنية التدفق البصري (Optical Flow)، بهدف رصد الحركة الدقيقة للموج الفردي إلى جانب النمط الأبطأ لأنماط العصف البحري (Swell) بمرور الوقت.

ماذا تقول الأرقام فعليًا؟

يستهدف الإطار خمسة معاملات: الارتفاع الموجي المعنوي (Significant Wave Height - Hs)، وأقصى ارتفاع للموجة (Hmax)، وفترة الذروة (Peak Period - Tp)، وفترة العبور الصفري (Zero Upcrossing Period - Tz)، واتجاه الموج (Theta). النتائج جاءت متفاوتة بوضوح. اتجاه الموج حقق أعلى معامل ارتباط بيرسون (Pearson Correlation) بقيمة 0.832، وهو مؤشر قوي نسبيًا يعني أن النموذج يرصد بثقة أنماط التدفق الاتجاهي الظاهرة في الفيديو. تلته فترة العبور الصفري بقيمة 0.680، ثم فترة الذروة بـ0.643. أما الارتفاع الموجي المعنوي، الذي يُعد أكثر المقاييس استخدامًا في التنبؤات البحرية وتطبيقات السلامة، فتراجع إلى 0.451، بينما سجّل أقصى ارتفاع للموجة 0.578.

لكن أرقام معامل التحديد (R-squared) تروي قصة أقل تفاؤلًا. أعلى قيمة R2 تحققت بين المعاملات الخمسة لم تتجاوز 0.246، أي أن النموذج لا يفسر إلا جزءًا متواضعًا من التباين في القياسات الفعلية. هذه الفجوة بين معامل ارتباط مقبول وقيمة R2 ضعيفة هي بصمة معروفة لدى النماذج التي ترصد الاتجاهات العامة دون أن تضبط القيم الدقيقة، وهو أمر بالغ الأهمية في مقياس كارتفاع الموج حيث الأخطاء الصغيرة قد تحمل تبعات حقيقية.

لماذا تُحدث محدودية البيانات كل هذا الفرق؟

نظام التدريب يفسّر جزءًا كبيرًا من هذه النتائج. فستة مشاهد موصوفة تُعد مجموعة بيانات هزيلة للغاية لمهمة تنطوي على قياسات فيزيائية متصلة عبر سواحل وأحوال جوية وإعدادات كاميرات متغيرة. الفريق دَرَّب النموذج على مجموعة معالجات إنفيديا DGX A100، وطبّق آلية التوقف المبكر (Early Stopping) عند الدورة التدريبية رقم 31 (Epoch 31)، وهو مؤشر على أن النموذج بدأ في الإفراط في التخصيص (Overfitting) بسرعة نظرًا لضيق البيانات الموصوفة المتاحة له.

ومع هذه القيود، يذكر الفريق أن الإطار يُظهر قدرة على التعميم (Generalization) عبر مواقع اختبار متباعدة جغرافيًا، وهذا هو الادعاء المحوري للورقة البحثية: أن عمودًا فقريًا ذاتي الإشراف مبنيًا أصلًا على الفيديو مثل V-JEPA يمكنه نقل قدرة تقدير الموج الساحلي إلى مواقع لم يُدرَّب عليها مباشرة، حتى في بيئة شحيحة البيانات. هذا التعميم، أكثر من أرقام الدقة الخام، هو ما يضع هذا العمل في خانة دليل التطبيق المبكر (Early-stage Proof of Concept) لا كأداة رصد جاهزة للتشغيل الفعلي. توسيع مجموعة البيانات الموصوفة يبقى الخطوة التالية الواضحة قبل أن تتمكن أرقام الارتباط ومعامل التحديد من سد الفجوة اللازمة للاستخدام التشغيلي.