محققان در مقاله جدیدی، مدل نوآورانه MR-DCoT را معرفی کردهاند که مشکل تشخیص اشیاء در دامنههای ناشناخته (Unknown-Domain) را حل میکند. برخلاف روشهای قدیمی که به شبیهسازیهای محدود وابسته بودند، این مدل با الهام از «فرضیه منیفلد» و ترکیب آن با قدرت مدلهای زبانی-تصویری (VLM)، دادهها را به جایگاه اصلی خود باز میگرداند.
این یعنی مدلهای بینایی ماشین در آینده میتوانند در سناریوهای واقعی و پیچیده، بسیار مقاومتر و دقیقتر عمل کنند! 🧠✨
منبع: arXiv Computer Vision