دانشمندان در یک پژوهش جدید، مدل نوآورانهای را برای درک دقیقتر اشیاء مورد توجه انسان (Gaze Object Prediction) معرفی کردند. تا پیش از این، اکثر مدلها فقط اشیاء محدودی را میشناختند، اما این فریمورک جدید با استفاده از تکنیک Open-Vocabulary، میتواند اشیاء دیده نشده در دنیای واقعی را هم به درستی تشخیص دهد.
این تحقیق با معرفی بنچمارک DiSG، گام بزرگی برای هوشمندتر کردن رباتها و سیستمهای تعاملی برداشته است تا دنیای اطرافشان را مثل ما ببینند و درک کنند! 👁️🤖
منبع: arXiv Computer Vision