محققان در مقالهای جدید به سراغ بررسی درک «رنگ» در مدلهای بینایی ماشین (Vision Models) رفتهاند. برخلاف روشهای سنتی که فقط بر هندسه رنگها تمرکز دارند، این پژوهش با استفاده از دادههای انسانی، نحوه دستهبندی و درک ظریف رنگها توسط مدلها را به چالش کشیده است.
نتایج جالب است: مدلهای Masked Autoencoder (MAE) شباهت بیشتری به درک انسانی از رنگ دارند و رنگها را بهصورت جهانی در تصویر درک میکنند، در حالی که مدلهای مبتنی بر متن، رنگها را بیشتر در ارتباط با اشیاء میبینند.
این تحقیق گامی مهم برای درک بهتر نحوه تفسیر دنیای بصری توسط هوش مصنوعی است. 🤖🌈
منبع: arXiv AI
