دنیای یادگیری ماشین باز هم قدمی رو به جلو برداشت! محققان تکنیک جدیدی به نام «LoCA» معرفی کردهاند که مشکل رایجِ استفاده از LoRA برای مدلهای بینایی (Vision Foundation Models) را حل میکند.
💡 چرا LoCA خاص است؟
روشهای معمول مثل LoRA که برای متن عالی عمل میکنند، در مدلهای بینایی باعث تخریب ساختار فضاییِ هستههای کانولوشن میشوند. اما LoCA با تفکیک هوشمندانهِ ویژگیهای فضایی و کانالی، نه تنها کیفیت را حفظ میکند، بلکه در کارهایی مثل تشخیص اشیاء و بخشبندی تصاویر (Segmentation) عملکرد بسیار بهتری ارائه میدهد.
این یعنی در آینده، فاینتون کردن مدلهای بیناییِ بزرگ، هم سریعتر و هم دقیقتر انجام خواهد شد. قدمی مثبت برای توسعهدهندگانی که با مدلهای سنگین بینایی سروکار دارند!
منبع: arXiv AI