محققان به تازگی یک چارچوب یادگیری جدید (Variational Framework) معرفی کردهاند که دنیای «بخشبندی تصاویر» (Image Segmentation) را متحول میکند.
این روش که در مقاله جدید arXiv منتشر شده، به مدلها اجازه میدهد حتی با داشتن «برچسبهای ضعیف و پراکنده» (Weak Supervision)، تصاویر را بسیار دقیقتر و هوشمندانهتر تحلیل کنند. نکته کلیدی اینجاست که در این متد، نیازی به تصاویر مرجعِ دقیق (Ground-truth) نیست و مدل میتواند با استفاده از توابع آماری پیچیده در فضاهای ریاضی، دقت بسیار بالایی را در خروجی به ثبت برساند.
این نوآوری میتواند گام بزرگی برای کاربردهایی مثل پردازش تصاویر پزشکی یا تحلیلهای خودکار در بینایی ماشین باشد که در آنها جمعآوری دادههای برچسبگذاری شده، بسیار زمانبر و هزینهبر است.
منبع: arXiv Computer Vision
