محققان در مطالعهای جدید، از یادگیری خودنظارتی (SSL) برای بهبود تفکیک اجزای درخت (برگ و چوب) در ابرهای نقاط استفاده کردهاند. این مدل با پیشآموزش روی معماری Point-M2AE و استفاده از تکنیکهای نوینِ مقیاسپذیری، توانسته دقت تشخیص درختان را در شرایط مختلف اقلیمی و جنگلی به طرز چشمگیری افزایش دهد.
این پیشرفت نه تنها دقت مدلها را در تحلیل پوشش گیاهی بالا میبرد، بلکه بدون نیاز به آموزش مجدد، در مقیاسهای مختلف (از تکدرخت تا کل منطقه) به خوبی عمل میکند. گامی بزرگ برای مدیریت هوشمند منابع طبیعی با کمک یادگیری ماشین! 🤖🍃
منبع: arXiv AI