مدلهای هوش مصنوعی اغلب به دلیل وابستگی بیش از حد به دادههای محیطی (Spurious Correlations) در محیطهای واقعی دچار خطا میشوند. محققان به تازگی چارچوب جدیدی به نام GRSSL معرفی کردهاند که با استفاده از مدلهای انتشار (Diffusion Models) و یادگیری خودنظارتی، به مدل یاد میدهد که به جای تمرکز بر پسزمینه، فقط روی سوژه اصلی تمرکز کند.
این یعنی مدلهای بینایی ماشین در آینده میتوانند با دقت بسیار بالاتر و بدون فریب خوردن توسط جزئیات غیرضروری، در دنیای واقعی عمل کنند. این پژوهش نتایج خیرهکنندهای در بنچمارکهای مهمی مثل Waterbirds ثبت کرده است. 🚀
منبع: arXiv Computer Vision