CLEAR: إطار عمل مرن مدعوم بنموذج لغة معرفي للكشف القوي عن السفن في السيناريوهات البحرية المعقدة

يعد الكشف عن السفن في صور الاستشعار عن بُعد ركيزة أساسية في المراقبة البحرية الحديثة. تعاني أجهزة الكشف عن الضوء المرئي الحالية من تدهور شديد في الأداء في الظروف البيئية القاسية (مثل الضباب، والإضاءة المنخفضة) بسبب فجوات المجال. وغالباً ما تفتقر طرق تعزيز العالمية التقليدية إلى القابلية للتكيف، مما يؤدي إلى "نقل سلبي" – حيث يتم إدخال مشوهات في الصور النقية أو تتطابق بشكل خاطئ مع أنواع التدهور. لمعالجة هذه التحديات، نقترح إطار CLEAR (استعادة مرنة مدعومة بنموذج لغة معرفي). مستلهمين من نظرية المعالجة الثنائية في الإدراك، نقدم آلية تبديل ديناميكية بين الإدراك السريع والتفكير العميق. بدلاً من معالجة جميع الصور بشكل عشوائي، تستخدم آلية تصفية هجينة لتصفية العينات الاسمية بكفاءة، مما يشغل نموذج الرؤية واللغة (VLM) فقط عند الحاجة لتشخيص التدهور وإرسال مشغلات الاستعادة المستهدفة. تظهر التجارب الواسعة على مجموعة بيانات HRSC-Robust أن CLEAR تحقق متوسط دقة إجمالية (mAP) عند 0.5 تقاطع-على-اتحاد (IoU) بنسبة 86.92%، متفوقة على القاعدة بنسبة 7.74%. من الجدير بالذكر أنها أنشأت آلية "حماية من الفشل" للتدهورات البصرية. من خلال حل الضباب والإضاءة المنخفضة بمرونة، تقلل بشكل فعال من العمى للكاشف – مما يتجلى في ضعف معدل الاسترجاع (52.52%) في السيناريوهات المظلمة. علاوة على ذلك، تضمن استراتيجية التحفيز النادر القائمة على الثقة الكفاءة التشغيلية، مع الحفاظ على معدل تدفق يبلغ ~11.8 FPS في الظروف الاسمية. تؤكد هذه العمل على الإمكانات لنماذج VLM في مهام الاستشعار عن بعد القابلة للتفسير والقوية.