محققان در مطالعه جدید خود به چالش بازسازی تصاویر از دیدگاههای محدود (Sparse-view) پرداختهاند. مسئله اینجاست که مدلهای فعلی معمولاً در بازسازی جزئیات دقیق دچار مشکل میشوند.
نکته جالب این تحقیق این است که بر خلاف تصور عمومی، «تخت کردن حداقلهای تابع زیان» (Flat Minima) همیشه به نفع مدل نیست! آنها متوجه شدند که برای بخشهای با جزئیات بالا، لبههای تیز در تابع زیان ضروری است، اما برای بخشهای ساده، ساختار تخت بهتر عمل میکند.
با معرفی متد «FASR»، حالا هوش مصنوعی میتواند به صورت هوشمند و ساختار-محور، میزان حساسیت خود را تنظیم کند تا هم جزئیات ظریف حفظ شود و هم تعمیمپذیری مدل بهبود یابد. این یک قدم رو به جلو برای مدلهای سه بعدی و بصری است! 🧠✨
منبع: arXiv Computer Vision