محققان در مقاله جدیدی از چارچوب نوآورانه GH-ESD رونمایی کردند که برای شناسایی سیستماتیک خطاهای مدلهای بینایی (Vision Models) طراحی شده است.
مشکل کجاست؟ مدلهای فعلی در درک الگوهای فضایی و روابط زمینهای در وظایفی مثل تشخیص اشیاء (Object Detection) و قطعهبندی (Segmentation) دچار مشکل هستند. GH-ESD با استفاده از قدرت مدلهای زبانی (LLM) و تحلیلهای آماری، فرضیههایی از «چرایی خطا» ایجاد کرده و آنها را به صورت هوشمند بررسی میکند.
این تحقیق همچنین یک دیتاست جدید به نام GESD معرفی کرده که بنچمارکی استاندارد برای ارزیابی این خطاهاست و نتایج نشان میدهد دقت مدلها با این روش تا حد قابل توجهی افزایش مییابد. خبر خوبی برای توسعهدهندگانی که به دنبال کاهش خطاهای سیستماتیک در بینایی ماشین هستند! 🦾
منبع: arXiv Computer Vision