نماذج ومنصات الذكاء الاصطناعي
محوّلات الرؤية تتجاوز التحديات بطريقة جديدة للانتباه من رقع الصورة إلى العناقيد
النقاط الرئيسيةيقلل الانتباه من الرقعة إلى المجموعة من المتطلبات الحسابية لمحولات الرؤية من تربيعية…
عرض المزيد
- يقلل الانتباه من الرقعة إلى المجموعة من المتطلبات الحسابية لمحولات الرؤية من تربيعية إلى خطية.
- توضح الطريقة الجديدة عملية اتخاذ القرار في الذكاء الاصطناعي من خلال تكوين مجموعات قابلة للتفسير لملامح الصورة.
- يتفوق نموذج PaCa على النماذج الرائدة مثل SWin وPVT في مهام التصنيف والتجزئة.
تكنولوجيا الذكاء الاصطناعي، ولا سيما محوّلات الرؤية (ViTs)، أظهرت وعدا كبيرا في القدرة على التعرف على الأشياء وتصنيفها في الصور. ومع ذلك، فإن التطبيق العملي لها كان محدودا بتحديين كبيرين: متطلبات القدرة الحاسوبية العالية وغياب الشفافية في اتخاذ القرارات. الآن، طوّر فريق من الباحثين حلًا ثوريًا: منهجية جديدة تعرف باسم “الانتباه من رقع الصورة إلى العناقيد” (PaCa). تهدف PaCa إلى تعزيز قدرات ViTs في تحديد الأشياء وتصنيفها وتجزئتها في الصور، مع حل المشاكل الطويلة الأمد المتعلقة بالمتطلبات الحاسوبية ووضوحية اتخاذ القرارات.
مواجهة تحديات ViTs: نظرة على الحل الجديد
المحوّلات، بفضل قدراتها العالية، هي من بين أكثر النماذج تأثيرا في عالم الذكاء الاصطناعي. تم تمديد قوة هذه النماذج إلى البيانات البصرية من خلال ViTs، وهي فئة من المحوّلات التي يتم تدريبها على مدخلات بصرية. على الرغم من الإمكانيات الكبيرة التي تقدمها ViTs في تفسير وفهم الصور، إلا أنها كانت محصورة بمشكلتين رئيسيتين.
أولاً، بسبب طبيعة الصور التي تحتوي على كميات هائلة من البيانات، تتطلب ViTs قدرة حاسوبية وذاكرة كبيرة. يمكن أن يكون هذا التعقيد مخيفا للعديد من الأنظمة، خاصة عند التعامل مع صور عالية الدقة. ثانياً، عملية اتخاذ القرارات في ViTs غالبا ما تكون معقدة وغامضة. يجد المستخدمون صعوبة في فهم كيفية تمييز ViTs بين الأشياء أو الميزات المختلفة في الصورة، وهو ما يعتبر حاسما للعديد من التطبيقات.
ومع ذلك، تقدم منهجية PaCa الجديدة حلا لهذين التحديين. “نحن نواجه التحدي المتعلق بالمتطلبات الحاسوبية ومتطلبات الذاكرة باستخدام تقنيات التجميع، مما يسمح لمعمارية المحوّل بالتعرف بشكل أفضل على الأشياء في الصورة والتركيز عليها”، يشرح تيانفو وو، المؤلف المسؤول عن المراسلات بشأن الورقة البحثية والأستاذ المشارك في قسم الهندسة الكهربائية والحاسوب في جامعة ولاية كارولينا الشمالية.
استخدام تقنيات التجميع في PaCa يقلل بشكل كبير من المتطلبات الحاسوبية، مما يحول المشكلة من عملية تربيعية إلى عملية خطية يمكن إدارتها. يوضح وو العملية قائلا: “من خلال التجميع، نحول هذه العملية إلى عملية خطية، حيث تحتاج كل وحدة صغيرة فقط إلى مقارنة مع عدد محدد مسبقا من التجميعات”.
كما يخدم التجميع في PaCa في توضيح عملية اتخاذ القرارات في ViTs. عملية تشكيل التجميعات تكشف عن كيفية اتخاذ ViT القرارات حول الأشياء والميزات المهمة في تجميع بيانات الصورة معا. ولأن الذكاء الاصطناعي يخلق عددا محدودا من التجميعات، يمكن للمستخدمين فهم واختبار عملية اتخاذ القرارات بسهولة، مما يحسّن قابلية تفسير النموذج بشكل كبير.
منهجية PaCa تتفوق على محوّلات الرؤية الأخرى المتقدمة
من خلال الاختبارات الشاملة، وجد الباحثون أن منهجية PaCa تتفوق على محوّلات الرؤية الأخرى في عدة جوانب. يشرح وو: “وجدنا أن PaCa تتفوق على SWin و PVT في كل شيء”. كشفت عملية الاختبار أن PaCa تتفوق في تصنيف الأشياء وتحديدها وتجزئتها في الصور، ورسم حدود الأشياء في الصور بكفاءة. بالإضافة إلى ذلك، وجد أنها أكثر كفاءة في الوقت، حيث تقوم بمهامها بسرعة أكبر من محوّلات الرؤية الأخرى.
تشجع النجاح الذي حققته PaCa فريق البحث على مواصلة تطويرها من خلال تدريبها على مجموعات بيانات أساسية أكبر. من خلال القيام بذلك، يأملون في دفع حدود ما هو ممكن حاليا مع الذكاء الاصطناعي القائم على الصور.
سوف يتم تقديم ورقة البحث “PaCa-ViT: تعلم الانتباه من رقع الصورة إلى العناقيد في محوّلات الرؤية” في مؤتمر IEEE/CVF القادم حول رؤية الحاسوب والتعرف على الأنماط. وهي خطوة هامة يمكن أن تفتح الطريق لمزيد من أنظمة الذكاء الاصطناعي الفعالة والشفافة والميسورة.












