لاله های مدل جدید AI نحوه درک رایانه ها را با آموزش آنها برای دیدن مانند انسان بهبود می بخشد

این یک خلاصه مقاله انگلیسی ساده از یک مقاله تحقیقاتی به نام لاله های مدل جدید AI است که چگونه رایانه ها تصاویر را با آموزش آنها برای دیدن مانند انسان درک می کنند. اگر این نوع تحلیل ها را دوست دارید ، باید به Aimodels.fyi بپیوندید یا ما را در توییتر دنبال کنید.

نمای کلی

• لاله یک رویکرد پیش از تصویر یکپارچه زبان را پیشنهاد می کند
• ترکیبی از یادگیری متضاد و پیش بینی ویژگی های نقاب دار
• مشکل “دیدن نیمی از صحنه” را در مدل های بینایی زبان برطرف می کند
• به نتایج پیشرفته در معیارهای مختلف می رسد
• یک رویکرد جدید برای پوشیدن ویژگی های بصری را معرفی می کند
• از ترکیبی از داده های مصنوعی و واقعی برای آموزش استفاده می کند

توضیح انگلیسی ساده

مدل های بینایی زبان مانند کلیپ تغییر کرده اند که چگونه هوش مصنوعی تصاویر و متن را با هم درک می کند. اما آنها یک مشکل دارند: آنها فقط یاد می گیرند که تصاویر کامل را با توضیحات خود مطابقت دهند. این مانند نگاه کردن به یک عکس و تشخیص آن یک سگ است ، اما قادر به درک جایی نیست …

برای خواندن خلاصه کامل این مقاله اینجا را کلیک کنید