الديمقراطية تهم: استخراج الخصائص الشاملة لاكتشاف الأشياء المشتركة في الاهتمام

اكتشاف الأشياء المشتركة البارزة، والذي يهدف إلى اكتشاف الأشياء البارزة الموجودة بشكل مشترك في مجموعة من الصور، يكتسب شعبية متزايدة. تستخدم الأعمال الحديثة آلية الانتباه أو معلومات إضافية لجمع الخصائص المشتركة البارزة، مما يؤدي أحيانًا إلى استجابات غير كاملة أو خاطئة للأهداف. في هذا البحث، نهدف إلى استخراج الخصائص المشتركة البارزة الشاملة بطريقة ديمقراطية وتخفيض التدخل الخلفي دون إدخال أي معلومات إضافية. لتحقيق ذلك، صممنا وحدة توليد النماذج الأولية الديمقراطية لإنشاء خرائط الاستجابة الديمقراطية التي تغطي مناطق كافية من الأشياء المشتركة البارزة وتتضمن بالتالي المزيد من الصفات المشتركة لهذه الأشياء. ثم يمكن إنشاء نموذج أولي شامل بناءً على هذه الخرائط كدليل للتنبؤ النهائي. لقمع المعلومات الخلفية الضوضائية في النموذج الأولي، اقترحنا وحدة التعلم الذاتي المقارن حيث يتم تكوين الأزواج الإيجابية والسلبية دون الاعتماد على معلومات تصنيف إضافية. بالإضافة إلى ذلك، صممنا أيضًا وحدة تعزيز الميزات الديمقراطية لتعزيز الخصائص المشتركة البارزة بشكل أكبر عن طريق إعادة ضبط قيم الانتباه. تظهر التجارب الواسعة أن نموذجنا يحقق أداءً أفضل من الأساليب الرائدة سابقًا، خاصة في الحالات الواقعية الصعبة (مثل CoCA، حيث نحصل على زيادة بنسبة 2.0% في خطأ المعدل المطلق المتوسط (MAE)، و5.4% في أعلى قياس F، و2.3% في أعلى قياس E، و3.7% في قياس S) تحت نفس الإعدادات. سيتم إطلاق الكود قريبًا.