محققان در مطالعه جدید خود به سراغ ارتقای مدلهای یادگیری خودنظارتی (JEPA) رفتهاند. مدلهای فعلی مثل I-JEPA معمولاً از یک انکودر (Encoder) در شبکه دانشجو استفاده میکنند، اما در این مقاله، روشی به نام SiamJEPA معرفی شده که با استفاده از «انکودرهای دوقلو» (Siamese Encoders) و الهام گرفتن از ساختارهای مغزی، عملکرد مدل را به شدت بهبود میبخشد.
نتایج این تحقیق نشان میدهد که استفاده از انکودرهای دوقلو نه تنها باعث افزایش دقت در مراحل اولیه آموزش میشود، بلکه به مدل کمک میکند تا نمایشهای دقیقتر و تفکیکپذیرتری از دادههای تصویری به دست آورد. این یک قدم بزرگ برای کارایی بیشتر مدلهای بینایی ماشین با بودجه آموزشی کمتر است. 🚀
منبع: arXiv Computer Vision