🚀 بهینه‌سازی بینایی ماشین با گراف ترنسفورمرها؛ خداحافظی با محاسبات سنگین پیکسلی!

محققان در یک پژوهش جدید، فریم‌ورک نوآورانه‌ای به نام SuperGT معرفی کرده‌اند که دنیای طبقه‌بندی تصاویر را تغییر می‌دهد.

این مدل به‌جای پردازش تک‌تک پیکسل‌های سنگین و تکراری (که در CNNها و ViTها رایج است)، از «سوپرپیکسل‌ها» و گراف‌ها استفاده می‌کند. دستاورد بزرگ این تحقیق، حفظ ویژگی‌های هندسی مثل تقارن و دوران (Invariance) در کنار درک وابستگی‌های طولانی‌مدت در تصویر است که باعث می‌شود مدل در عین سرعت بالاتر، دقت بسیار خیره‌کننده‌ای را تجربه کند. 🧠✨

این یعنی در آینده‌ای نزدیک، مدل‌های هوش مصنوعی با مصرف توان پردازشی کمتر، دقت بسیار بالاتری در تحلیل تصاویر خواهند داشت.

منبع: arXiv Machine Learning