محققان در پژوهشی جدید به چالش جذابی در صنعت ساخت نیمهرساناها پرداختهاند: آیا تکنیکهای «سوپر-رزولوشن» که برای شفافتر کردن تصاویر استفاده میشوند، واقعاً برای شناسایی دقیق عیوب مفید هستند؟
نتایج این تحقیق نشان میدهد که مدلهای هوش مصنوعی که برای بهبود کیفیت تصویر آموزش دیدهاند، برخلاف تصور، ممکن است باعث حذف جزئیات حیاتیِ مربوط به عیوب ساختاری شوند. در واقع، این مدلها اغلب از روشهای سادهای مثل «درونیابی دومکعبی» (Bicubic Interpolation) هم در تشخیص دقیق نقصها ضعیفتر عمل میکنند.
این یافته به متخصصان این حوزه هشدار میدهد که در فرآیندهای حساسِ کنترل کیفیت، نباید صرفاً به کیفیت بصری تصاویر تکیه کرد و باید معیارهای دقیقتری برای ارزیابی قابلیت اطمینان مدلها در نظر گرفت. 🤖🏭
رسانا
منبع: arXiv Computer Vision