SePiCo: التباين البكسل الموجه بالمعنى للاستدلال على المجال في تقسيم الصور إلى أقسام ذات معنى
التكيف النطقي للتقسيم الدلالي يسعى إلى إجراء توقعات كثيفة مرضية في مجال الهدف غير المصنف من خلال الاستفادة من النموذج الخاضع للرقابة والمدرب على مجال المصدر المصنف. في هذا البحث، نقترح إطارًا جديدًا للتكيف بمرحلة واحدة يُسمى "التباين البكسلي الموجه بالمعنى" (SePiCo)، والذي يركز على مفاهيم المعنى للأبكسيلات الفردية لتعزيز تعلم تمثيلات الأبكسيلات التي تميز بين الفئات وتوازنها عبر المجالات، مما يؤدي في النهاية إلى تحسين أداء طرق التدريب الذاتي. تحديدًا، لاستكشاف مفاهيم المعنى المناسبة، نقوم أولًا بدراسة التباين البكسلي الواعي بالمراكز الذي يستخدم مراكز الفئات لمجال المصدر بأكمله أو صورة مصدر واحدة لتوجيه تعلم السمات المميزة. مع الأخذ في الاعتبار الإمكانية المحتملة لنقص تنوع الفئات في مفاهيم المعنى، نفتح طريقًا جديدًا من وجهة نظر التوزيع لتشمل كمية كافية من الحالات، وهو ما يعرف بالتباين البكسلي الواعي بالتوزيع، حيث نقدر التوزيع الحقيقي لكل فئة دلالية من إحصائيات بيانات المصدر المصنفة. علاوة على ذلك، يمكن الحصول على حد أعلى مقفل لهذا الهدف الأمثل عن طريق ضم عدد لا نهائي من الأزواج المشابهة وغير المشابهة ضمنياً، مما يجعله فعالاً من الناحية الحسابية. تظهر التجارب الواسعة أن SePiCo ليس فقط يساعد في استقرار التدريب ولكن أيضًا ينتج تمثيلات مميزة، مما يحقق تقدمًا كبيرًا في سيناريوات التكيف من البيئي الصناعي إلى الحقيقي ومن النهاري إلى الليلي.