محققان در یک پیشرفت جدید، بنچمارک EgoExoMem را برای بهبود توانایی مدلهای هوش مصنوعی در استدلالهای مکانی و زمانی معرفی کردند.
این تحقیق با ترکیب ویدیوهای «اولشخص» (Egocentric) و «سومشخص» (Exocentric)، به مدلهای هوش مصنوعی کمک میکند تا محیط را همانند انسان از دو زاویه مختلف تحلیل کنند. با استفاده از روش جدید E$^2$-Select، این سیستم توانسته است در درک حافظه تصویری و استدلال متقابل، به عملکرد بهتری نسبت به مدلهای فعلی دست یابد. این گام بزرگی برای هوشمندتر کردن رباتها و سیستمهای بینایی ماشین در محیطهای واقعی است.
منبع: arXiv Computer Vision