مدلهای چندوجهی فعلی معمولاً در ترکیب درک معنایی ۲ بعدی با هندسه سهبعدی دچار مشکل هستند، اما محققان با معرفی مدل جدید «SpaR3D-MoE» این گره را باز کردهاند!
این مدل هوشمند با استفاده از تصاویر دوبعدی پراکنده، میتواند درک عمیق و دقیقی از فضای سهبعدی پیدا کند. به لطف معماری «Mixture-of-Experts» (ترکیب متخصصان)، این هوش مصنوعی میتواند وظایف مختلف را به صورت تخصصی مدیریت کرده و تداخلهای اطلاعاتی را به حداقل برساند. نتیجه؟ عملکرد خیرهکننده در تحلیل تصاویر و پاسخ به سوالات سهبعدی که استانداردهای جدیدی را در این حوزه ثبت کرده است.
دنیای بینایی ماشین (Computer Vision) هر روز قدمهای بزرگتری به سمت واقعگرایی برمیدارد!
منبع: arXiv AI