محققان در مقالهای تازه، روش نوآورانهای به نام ProCal را برای بهبود تشخیص اشیاء (Object Detection) معرفی کردهاند.
مشکل اصلی در مدلهای فعلی این است که وقتی با دستههای جدید و دیده نشده (Open-Vocabulary) مواجه میشوند، در تشخیص دقیق مرزها و مقیاس اشیاء دچار مشکل میشوند.
تکنیک ProCal با ترکیب امتیازات «پیشزمینه» و «پسزمینه» در زمان استنتاج، به مدل کمک میکند تا اشیاء واقعی را بسیار دقیقتر از محیط اطراف تفکیک کند. این روش به سادگی و بدون نیاز به آموزش مجدد، عملکرد مدلهایی مثل CLIP را به شکل قابل توجهی در تشخیص اشیاء جدید بهبود میبخشد. 🚀
منبع: arXiv AI
