HyperAIHyperAI

Command Palette

Search for a command to run...

التكيف في وقت الاختبار مقابل التعميم في وقت التدريب: دراسة حالة في تقسيم النماذج البشرية باستخدام تقدير النقاط الرئيسية

Azarian Kambiz ; Das Debasmit ; Park Hyojin ; Porikli Fatih

الملخص

نعتبر مشكلة تحسين جودة قناع التقطيع الشعاعي للإنسان في صورة اختبار معينة باستخدام تقدير النقاط الرئيسية. نقارن بين طريقتين بديليتين. الطريقة الأولى هي طريقة التكيف في وقت الاختبار (Test-Time Adaptation - TTA)، حيث نسمح بتعديل أوزان شبكة التقطيع في وقت الاختبار باستخدام صورة اختبار واحدة غير مصنفة. في هذه الطريقة، لا نفترض الوصول إلى مجموعة البيانات المصدر المصنفة في وقت الاختبار. بشكل أكثر تحديدًا، تتكون طريقتنا TTA من استخدام تقديرات النقاط الرئيسية كعلامات وهمية وإعادة تمريرها لضبط أوزان العمود الفقري للشبكة. أما الطريقة الثانية فهي طريقة التعميم في وقت التدريب (Training-Time Generalization - TTG)، حيث نسمح بالوصول إلى مجموعة البيانات المصدر المصنفة خارج الخط، ولكن ليس بتعديل الأوزان في وقت الاختبار. بالإضافة إلى ذلك، لا نفترض توفر أي صور أو معرفة عن المجال المستهدف. تتكون طريقتنا TTG من زيادة ميزات العمود الفقري بتلك التي تُنتج بواسطة رأس النقاط الرئيسية وتغذية المتجه المجمع إلى رأس القناع. من خلال مجموعة شاملة من التجارب الإلغائية، نقيم الطريقتين ونتعرف على عدة عوامل تحد من مكاسب TTA. بشكل خاص، نظهر أن في غياب تحول كبير في المجال، قد يضر TTA ويظهر TTG فقط ارتفاعًا ضئيلًا في الأداء، بينما بالنسبة لتحول كبير في المجال، تكون مكاسب TTA أصغر وأكثر اعتمادًا على الخوارزميات المستخدمة، بينما تكون مكاسب TTG أكبر وأكثر متانة أمام الخيارات الهندسية.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp