تا حالا به این فکر کردید که چطور مدلهای تشخیص اشیاء میتوانند اشیاء جدید یاد بگیرند بدون اینکه مهارتهای قبلیشان را فراموش کنند؟
محققان در مطالعه اخیر، تکنیک جدیدی به نام SIKD (Symbiosis-Inspired Knowledge Distillation) را معرفی کردهاند. این روش با الهام از «همزیستی» در طبیعت، به مدلهای یادگیری ماشین کمک میکند تا روابط فضایی و مفهومی پیچیده بین اشیاء جدید و قدیمی را بهتر درک کنند.
به جای جداسازی سادهی دستهها، این مدل با حفظ هوشمندانهی اطلاعات قبلی و بهینهسازی الگوها، از مشکل «فراموشی فاجعهبار» (Catastrophic Forgetting) جلوگیری میکند. این قدم مهمی برای هوشمندتر شدن ایجنتهای بینایی ماشین در محیطهای پویاست! 🧠✨
منبع: arXiv AI