تخمین عمق استریو در رباتیک و خودروهای خودران همیشه با چالش پردازشهای سنگین و تأخیر بالا روبرو بوده است. حالا محققان با معرفی متد جدید WHTMix، راهکار هوشمندانهای پیدا کردهاند.
این مدل با جایگزینی «مکانیزم توجه خودکار» (Self-Attention) پرهزینه با یک «ترکیبکننده توکن والش-آدامارد» (Walsh-Hadamard)، موفق شده است:
✅ هزینه محاسباتی مدل را تا ۲.۴۶ برابر کاهش دهد.
✅ تأخیر در استنتاج (Inference) را ۲.۶۵ برابر کمتر کند.
✅ بدون افت دقت، عملکرد بسیار سریعتری در پردازش تصاویر با رزولوشن بالا ارائه دهد.
این نوآوری میتواند تحولی در سرعت پردازش دنیای واقعیت افزوده و رباتهای هوشمند ایجاد کند. آینده بینایی ماشین روز به روز بهینه تر میشود! 🤖✨
منبع: arXiv Computer Vision