یکی از بزرگترین مشکلات مدلهای بینایی ماشین، «یادگیری دامنههای جدید» بدون پاک شدن اطلاعات قبلی است. محققان به تازگی چارچوب جدیدی به نام «Orthogonal Knowledge Refreshing» (به اختصار OKR) معرفی کردهاند.
این تکنیک با ایجاد زیرفضاهای اختصاصی برای هر دامنه، اجازه میدهد مدل بدون نیاز به انتخاب قبلی، دانش جدید را فرا بگیرد و در عین حال از تداخل با دادههای قدیمی جلوگیری کند. نتایج آزمایشها روی مجموعههای بزرگی مثل BDD100K نشان میدهد که این روش تا ۶.۵ درصد دقت را بهبود بخشیده است. یک گام دیگر به سوی مدلهای یادگیری مادامالعمر واقعی! 🧠✨
منبع: arXiv Computer Vision