تا به حال برای مدلهای هوش مصنوعی دشوار بود که اشیائی را که قبلاً در لیست آموزش آنها نبوده، شناسایی و دنبال کنند. حالا محققان با معرفی فریمورک جدید COVTrack++، این محدودیت را کنار زدهاند.
این مدل با استفاده از یک مجموعه داده جدید به نام C-TAO که تراکم دادههای آموزشی آن ۲۶ برابر بیشتر از نمونههای قبلی است، میتواند اشیاء را در ویدیوها با دقت بسیار بالاتری ردیابی کند. ویژگی کلیدی این سیستم، هماهنگی بین تشخیص و ارتباط (association) است که باعث میشود حتی در صورت وجود نویز یا پوشیده شدن اشیاء توسط موانع، هوش مصنوعی مسیر آنها را گم نکند.
این پیشرفت گام بزرگی برای کاربردهای دنیای واقعی، از خودروهای خودران تا سیستمهای نظارتی هوشمند محسوب میشود. 🤖🎥
منبع: arXiv Machine Learning
