محققان در یک پژوهش جدید، راهکار هوشمندانهای برای بهبود بازسازی تصاویر در شرایطی که مدلهای هوش مصنوعی با دادههای خارج از حوزه آموزشی (Domain Shift) مواجه میشوند، ارائه کردهاند.
این روش که با نام «تطبیق پروگزیمال» شناخته میشود، جایگزین بسیار دقیقتری برای روشهای سنتی مبتنی بر MSE است. با استفاده از این تکنیک، مدلهای بازسازی تصویر (مثل سوپررزولوشن یا رفع تاری) حتی در شرایطی که با کمبود داده (Few-shot) مواجه هستند، خروجیهای بسیار باکیفیتتری تولید میکنند. این پیشرفت گامی موثر در بهبود پردازش تصاویر در دنیای واقعی است. 📸✨
منبع: arXiv Machine Learning