Ada-Segment: التكيف التلقائي متعدد الخسائر للتحليل الشامل للقطع

أظهر التجزئة البانوبتيكية التي توحد التجزئة الحدية والتجزئة الدلالية اهتمامًا متزايدًا مؤخرًا. بينما تتركز معظم الطرق الحالية على تصميم معمارية جديدة، نتجه نحو منظور مختلف: إجراء تكييف تلقائي متعدد الخسائر (يُسمى Ada-Segment) أثناء التدريب، بهدف ضبط متنوعة من خسائر التدريب بشكل مرن على مدار عملية التدريب، باستخدام منظم تم تدريبه لالتقاط ديناميات التعلم. ويمنح هذا نهجًا عدة مزايا: فهو يتجاوز الحاجة إلى ضبط يدوي لتركيب الخسائر الحساسة، وهي عامل حاسم في التجزئة البانوبتيكية؛ كما يسمح بتمثيل صريح لديناميات التعلم، وتحقيق التوفيق بين تعلم أهداف متعددة (حتى عشرة في تجاربنا)؛ وبالإضافة إلى ذلك، فإن الهيكل المتكامل من البداية إلى النهاية يُعد عاملاً قابلاً للتوسع على مختلف المجموعات دون الحاجة إلى إعادة ضبط المعاملات أو إعادة ضبط عملية التدريب بشكل مكثف. وقد حقق Ada-Segment تحسينًا بنسبة 2.7% في جودة التجزئة البانوبتيكية (PQ) على مجموعة التحقق من COCO مقارنة بالأساسية الابتدائية، ما يُسهم في تحقيق أفضل أداء حاليًا بـ 48.5% PQ على مجموعة التحقق من COCO test-dev، و32.9% PQ على مجموعة ADE20K. وتكشف الدراسات التفصيلية للتقييم التجريبي عن التغيرات المستمرة في ديناميات التدريب على مدار العملية، مما يُبرز الحاجة إلى دمج استراتيجية تعلم تلقائية ومتعددة التكيف، كما عُرضت في هذه الورقة.