ویدیو، عمق و بینایی سه‌بعدی

idx = sample_uniform(num_frames_total, T)         # توزیع یکنواخت
idx = sample_dense(num_frames_total, T)           # پنجره پیوسته در حافظه
model = FramePool(num_classes=10)                 # اعمال ResNet-18 روی هر فریم، میانگین روی T
x = torch.randn(2, 8, 3, 224, 224)                 # (N, T, 3, H, W)
conv2d = nn.Conv2d(3, 64, kernel_size=3, padding=1, bias=False)
conv3d = inflate_2d_to_3d(conv2d, time_kernel=3)  # تکرار در زمان، تقسیم بر 3
c = Conv2Plus1D(3, 64)                            # مکانی، سپس زمانی
c(torch.randn(1, 3, 8, 56, 56))                   # ورودی سه‌بعدی یکسان با conv3d

y = positional_encoding(x, L=10)                      # (5, 3) به (5, 60)
t_vals = torch.linspace(2.0, 6.0, N)                  # N = 64 نمونه روی پرتو
delta = torch.cat([t_vals[1:] - t_vals[:-1], torch.full_like(t_vals[:1], 1e10)])
alpha = 1.0 - torch.exp(-sigma * delta)               # کدر بودن هر نمونه
trans = torch.cumprod(torch.cat([torch.ones_like(alpha[..., :1]), 1.0 - alpha + 1e-10], dim=-1), dim=-1)[..., :-1]
weights = alpha * trans                               # ضریب عبور ضرب‌در کدر بودن
rendered = (weights.unsqueeze(-1) * rgb).sum(dim=-2)  # رنگ پیکسل
depth = (weights * t_vals).sum(dim=-1)                # عمق در طول پرتو

aligned = align_scale_shift(pred, gt)         # برازش a * pred + b برای عمق نسبی
abs_rel_error(aligned, gt)                    # 0.05 تا 0.1 برای مدل‌های محیط عملیاتی
delta_accuracy(pred, target, threshold=1.25)  # +0.9 برای مدل‌های پیشرو (SOTA)
intr = (320.0, 320.0, 160.0, 120.0)           # fx, fy, cx, cy
pc = depth_to_point_cloud(depth, intr)             # (H, W, 3)
pipe = pipeline(task="depth-estimation", model="depth-anything/Depth-Anything-V2-Large-hf")
out = pipe(image)
depth_np = np.array(out["depth"])             # تبدیل تصویر خاکستری PIL به numpy

iou = bbox_iou(track_boxes, det_boxes)  # (تراک‌ها، آشکارسازی‌ها)
cost = 1 - iou
cost[iou < self.iou_threshold] = 1e6    # مسدود کردن تطبیق‌های ضعیف
row, col = linear_sum_assignment(cost)  # کمینه هزینه کل
for r, c in zip(row, col):
    if cost[r, c] < 1.0:
        self.tracks[r].update(det_boxes[c], frame)
self.tracks = [t for t in self.tracks if frame - t.last_frame <= self.max_age]
tracker = SimpleTracker()               # iou_threshold=0.3, max_age=5
tracks = tracker.step(dets, f)          # لیستی از (id, bbox)