GRITv2: التعرف على العلاقات الاجتماعية بفعالية وخفّة وزن

تركز أبحاثنا على تحليل وتحسين نموذج Graph-based Relation Inference Transformer (GRIT)، الذي يعتبر معيارًا مهمًا في هذا المجال. نقوم بدراسة شاملة للتأثيرات باستخدام مجموعة البيانات PISC-fine، بهدف العثور على واستكشاف التحسينات في كفاءة وأداء GRITv2. قدّمت أبحاثنا نموذجًا جديدًا رائدًا للاعتراف بالعلاقات على مجموعة بيانات العلاقات PISC. نقدم عدة خصائص في نموذج GRIT ونحلل معالم القياس الجديدة في إصدارين: GRITv2-L (الكبيرة) وGRITv2-S (الصغيرة). يتفوّق النموذج المقترح GRITv2-L على الأساليب الموجودة في مجال اعتراف العلاقات، بينما يبقى الفارق في الأداء بين GRITv2-S وGRITv2-L ضمن 2% فقط، مع أن حجم GRITv2-S وعدد معلماتها يبلغان 0.0625 ضعف حجم GRITv2-L ومعلماتها. علاوةً على ذلك، نتناول أيضًا الحاجة إلى ضغط النماذج، وهي منطقة حاسمة لتنفيذ النماذج الكفوءة على المنصات ذات الموارد المحدودة. من خلال تطبيق تقنيات التكميم (quantization)، قمنا بتقليل حجم GRITv2-S بكفاءة إلى 22 ميجابايت وتم تنفيذه على الهاتف الذكي OnePlus 12 الرائد، حيث ما زال يتفوق على معالم القياس PISC-fine من حيث الأداء، مما يؤكد الجدوى العملية والكفاءة المحسنة لنموذجنا على الأجهزة المحمولة.