محققان در مقاله جدیدی، چارچوب نوآورانهای به نام DeliCIR معرفی کردهاند که چالشهای «جستجوی ترکیبی تصاویر» (Composed Image Retrieval) را با قدرت هوش مصنوعی حل میکند. این مدل با بهرهگیری از معماری چندعاملی و روشی به نام Test-Time Scaling (TTS)، اجازه میدهد هوش مصنوعی در زمان اجرای درخواست، دقیقتر و هوشمندانهتر عمل کند و نتایج بسیار دقیقتری نسبت به روشهای سنتی ارائه دهد.
این پیشرفت میتواند مسیر تازهای برای درک بهتر مفاهیم بصری و متنی در کنار هم باز کند و دقت جستجوی تصاویر بر اساس توصیفات متنی را به سطح جدیدی برساند. 🔥
منبع: arXiv Computer Vision