محققان تکنیک جدیدی به نام HART را معرفی کردهاند که مشکل بزرگ مدلهای چندوجهی (LMM) در درک تصاویر با رزولوشن بالا را حل میکند. تا پیش از این، پردازش تصاویر با جزئیات زیاد، مدلها را به دلیل حجم بالای دادههای غیرضروری دچار سردرگمی میکرد.
نکته هیجانانگیز اینجاست که HART بدون نیاز به برچسبگذاری انسانی و هزینههای سنگین، به مدل یاد میدهد که روی مناطق کلیدی تصویر تمرکز کرده و خودش خروجیهایش را تایید کند. این یعنی دقت بالاتر در تحلیل عکسهای فوقالعاده باکیفیت و استدلالهای منطقیتر و شفافتر! 🚀
منبع: arXiv Computer Vision