محققان در مقالهای جدید به سراغ بهبود روشهای «تنظیم دقیق» (Adaptation) در مدلهای بینایی (Vision Foundation Models) رفتهاند. چالش اصلی اینجاست که روشهای فعلی (مثل VPT) در مدیریت لایهبندی اطلاعات ضعف دارند.
تکنیک جدیدی به نام «PIB» معرفی شده که با الهام از اصل «گلوگاه اطلاعات» (Information Bottleneck)، به مدل اجازه میدهد در لایههای اولیه جزئیات مهم را حفظ و در لایههای عمیقتر، دادههای زائد را حذف کند. نتیجه؟ عملکرد خیرهکننده با آموزش تنها ۰.۳۵٪ از پارامترهای مدل! 🧠✨
این روش نه تنها دقت مدل را در ۳۴ مجموعه داده افزایش داده، بلکه راهکار هوشمندانهای برای بهینهتر کردن مدلهای بزرگ بصری بدون نیاز به سختافزارهای سنگین است.
منبع: arXiv Computer Vision