[
    {
        "id": "osp-17738",
        "type": "article-journal",
        "title": "تحسين الاتصالات، إغلاق الفجوة: إطار موثوق به لتحسين توبولوجي مشهد القيادة",
        "author": [
            {
                "family": "Wang",
                "given": "Xiaoqi"
            },
            {
                "family": "Zhaung",
                "given": "Dingyi"
            },
            {
                "family": "Paz",
                "given": "David"
            },
            {
                "family": "He",
                "given": "Wenbin"
            },
            {
                "family": "Bai",
                "given": "Yucai"
            },
            {
                "family": "Zhou",
                "given": "Peng"
            },
            {
                "family": "Zhang",
                "given": "Rui"
            },
            {
                "family": "Zhao",
                "given": "Jinhua"
            },
            {
                "family": "Ren",
                "given": "Liu"
            }
        ],
        "URL": "https://omanscience.com/ar/articles/refine-connections-close-the-gap-a-reliable-enhancement-framework-for-driving-scene-topology",
        "language": "en",
        "issued": {
            "date-parts": [
                [
                    2026
                ]
            ]
        },
        "abstract": "في القيادة الذاتية، فهم أوضاع المشهد -الربط بين الشوارع وعناصر حركة المرور- أمر بالغ الأهمية لتنظيم المسارات الآمنة ومراقبة الحركة. على الرغم من أن الطرق الحالية تتفوق في الكشف عن عناصر الخريطة الفردية، إلا أن التفكير في الاتصال غالباً ما يفتقر إلى إمكاناتها النظرية، مما يترك فجوة كبيرة في الأداء نسبياً لما يمكن تحقيقه النظرياً من الحدود العليا بالنظر إلى الكشوف الأساسية. وعلاوة على ذلك، غالبًا ما لا تزال الرسوم البيانية التوضيحية التي تؤدي إلى اتخاذ القرارات والتي تم تحويلها إلى المهام المتدفقة في المستقبل غير موثوقة. تستمد النهج الحالية عادةً من الاتصال عن طريق تحديد درجات التوبولوجيا المستمرة؛ ومع ذلك، فإن هذه النتائج غالباً ما لا تعكس الاحتمال المنطقي الحقيقي للاتصال، مما يؤدي إلى إيجابيات خاطئة أو اتصالات مفقودة. تتجاهل مؤشرات الموازنة الحالية هذه المسألة بشكل أكبر من خلال تقييم المعايير المستمرة في المقام الأول، بدلاً من تقييم الاتصال المتفرد اللازم لاتخاذ القرارات. من أجل سد هذه الفجوات، نقترح TopoEnhance، وهي إطار جديد لتعزيز الترشيحات المصممة لفتح الإمكانات الخفية للأساليب القائمة وتحسين موثوقية الترشيحة التي تؤدي إلى اتخاذ القرارات. نحن نقوم بتصميم تعزيز التوبولوجيا كعملية إعادة الإعمار القائمة على الكشف، حيث يتعلم النموذج استعادة الاتساق الهيكلي من الرسوم البيانية الحقيقية الأرضية المفسدة بشكل استوكاستي. هذه الصيغة تمكن النموذج من حل التناقضات المنطقية وتصحيح الاتصالات غير الموثوق بها، مما ينتج الرسوم البيانية الترتيبية المتفردة القوية التي تقترب عن قرب من أقصى أداء نظري. تظهر التجارب المكثفة عبر خطوط أساسية مختلفة أن TopoEnhance تحسن باستمرار كل من مقاييس الطوبولوجيا المستمرة (درجة TOP)، والاتصال المتفرد الذي يتم قياسه عن طريق مقاييس Topology Jaccard Similarity (TJS) المعدلة. باعتبارها إطارًا مرنًا ومتوافقًا مع المصادر، توفر TopoEnhance مكاسب كبيرة عبر خطوط أساسية متطورة مختلفة دون الحاجة إلى إعادة التدريب."
    }
]