یکی از چالشهای اصلی در مدلهای هوش مصنوعی، این است که آیا مدل واقعاً بر اساس ویژگیهای درست تصمیم میگیرد یا فقط به بخشهای تصادفی تصویر تکیه دارد؟ محققان در مقالهای جدید، چارچوبی را معرفی کردهاند که بدون نیاز به برچسبگذاری دستی، میتواند نحوه درک مدل از «شواهد تصویری» را تحت تحولات هندسی بهبود ببخشد.
این روش با استفاده از یک سیستم جستجوی هوشمند، بخشهای کلیدی تصویر را شناسایی کرده و مدل را مجبور میکند حتی با تغییرات چرخشی یا مقیاسی، همچنان بر همان شواهد اصلی تمرکز کند. نتیجه این کار، مدلهایی است که در دنیای واقعی بسیار پایدارتر و قابلاطمینانتر عمل میکنند. 🧠✨
منبع: arXiv Computer Vision