Towards Sparsely Annotated Open-World Object Detection
تقدم هذه الورقة البحثية مهمة الكشف عن الأشياء في العالم المفتوح ذات التوسيم المتناثر (SA-OWOD)، وهي مهمة جديدة تعالج التزامن بين الإشراف المتناثر والفئات غير المرئية، وتقترح إطار عمل اكتشاف الأشياء ثنائي المنظور (DPOD) لحل إشارات الإشراف الغامضة بفعالية وتحسين الكشف عن كل من الأشياء المعروفة وغير المعروفة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تعلم روبوتًا كيفية التعرف على الحيوانات في غابة. في فصل دراسي مثالي، ستعرض للروبوت صورة لكلب وقطة وطائر، وستضع دائرة حول مكان وجودهم بالضبط. يتعلم الروبوت بسهولة لأن كل شيء مُصنف. لكن في العالم الحقيقي، تكون الأمور فوضوية. أحيانًا، قد تنسى وضع دائرة حول كلب في صورة لأنك كنت في عجلة من أمرك (وهذا ما يسمى التوسيم المتناثر - sparse annotation). وفي أحيان أخرى، قد يرى الروبوت مخلوقًا لم يره من قبل، مثل حيوان خلد الماء، ولا تعرف حتى ماذا تسميه (وهذه هي مشكلة العالم المفتوح - open-world).
لفترة طويلة، حاول العلماء حل هاتين المشكلتين بشكل منفصل. إحدى المجموعات علمت الروبوتات كيف تخمن أماكن الكلاب المفقودة، بافتراض أن كل شيء في الصورة هو حيوان معروف. ومجموعة أخرى علمت الروبات كيف ترصد المخلوقات الجديدة وغير المعروفة، لكنها افترضت أن الروبوت لديه تسميات مثالية لكل ما يعرفه بالفعل. المشكلة هي أن الحياة الواقعية هي مزيج من كليهما: قد يكون لديك صورة بها تسمية مفقودة لكلب معروف وأيضًا مخلوق غامض غير معروف مثل خلد الماء. إذا لم يتم تعليم الروبوت كيفية التعامل مع هذا الارتباك، فقد يعتقد أن الكلب المفقود هو مخلوق غامض جديد، أو قد يتجاهل خلد الماء تمامًا. تتناول هذه الورقة البحثية تلك المنطقة الوسطى المربكة تحديدًا.
قدم الباحثون، هي-جو هان، وآ-جونغ كيم، وجينسون بارك، تحديًا جديدًا أطلقوا عليه اسم الكشف عن الأشياء في العالم المفتوح ذو التوسيم المتناثر (SA-OWOD). فكر في هذا الأمر كلعبة محقق لديه صورة ضبابية تحتوي على بعض الأدلة المفقودة وبعض الأشكال الغريبة غير القابلة للتعريف في الخلفية. الهدف هو معرفة أي البقع الضبابية هي في الواقع حيوانات معروفة تم تفويتها فقط من قبل المصور، وأيها مخلوقات جديدة وغير معروفة حقًا.
لحل هذه المشكلة، بنوا نظامًا جديدًا يسمى DPOD (الاكتشاف المزدوج للمجسمات - Dual-Perspective Object Discovery). تخيل DPOD كمحقق لديه أداتان خاصتان تعملان معًا. الأداة الأولى هي وحدة استعادة الأهداف المعروفة (KTRM). تعمل هذه الأداة كمتخصص في "النظرة الثانية". فهي تمسح الصورة مرة أخرى، بحثًا عن أشياء تشبه الحيوانات التي يعرفها الروبوت بالفعل (مثل الكلاب)، حتى لو لم تكن الصورة الأصلية تحتوي على تسمية لها. تقول الأداة: "مهلاً، هذا الشكل يشبه تمامًا كلبًا رأيناه من قبل؛ دعونا نضع له تسمية حتى لا نتجاهله". هذا يساعد الروبوت على التوقف عن معاملة الكلاب المفقودة كضجيج خلفية.
الأداة الثانية هي مولد الأهداف مزدوج الاختلاف (DDTG). هذه الأداة أكثر تشككًا. فهي تنظر إلى الصورة من زاويتين مختلفتين قليقتين (أو "رؤيتين")، تمامًا كما ترى عيوننا الاثنتان العالم. إذا كان الروبوت واثقًا بشأن كلب ما، فسوف يتفق على هويته من كلتا الزاويتين. ولكن إذا رأى مخلوقًا غريبًا وغير معروف، فقد يرتبك ويقول: "هل هذا طائر؟ أم سنجاب؟" من زاوية، ويقول: "لا، ربما قطة؟" من الزاوية الأخرى. ترصد DDTG لحظات الارتباك هذه. وتقول: "إذا كان الروبوت يجادل نفسه حول ماهية هذا الشيء، فمن المحتمل أن يكون شيئًا جديدًا وغير معروف!". هذا يساعد الروبوت على العثور على المخلوقات الغامضة دون أن يُخدع بالتسميات المفقودة.
عندما اختبر الباحثون نظامهم، وجدوا أنه يعمل بشكل أفضل بكثير من الطرق السابقة، خاصة عندما كانت التسميات متناثرة جدًا. في تجاربهم، أنشأوا سيناريو "صعبًا" حيث أزالوا حوالي نصف التسميات من صور التدريب. وحتى في هذا الإعداد الصعب، تمكنت طريقتهم من العثور على 51.85% من الأشياء غير المعروفة (وهو مقياس يسمى U-Recall)، وهو ما يمثل قفزة كبيرة مقارنة بالطرق الرائدة الأخرى التي كافحت للعثور على أكثر من 33% في نفس الظروف. كما أظهروا أن نظامهم لم يرتبك؛ فقد حافظ على قدرته على العثور على الحيوانات المعروفة (مثل الكلاب والقطط) بنفس الجودة كما في السابق، محققًا درجة عالية بلغت 54.09 في الكشف عن الأشياء المعروفة.
تشير الورقة البحثية إلى أنه من خلال استخدام هاتين الأداتين معًا —واحدة لاستعادة العناصر المعروفة المفقودة والأخرى لرصد العناصر المجهولة المربكة— يمكن للروبوت أخيرًا التعامل مع الموقف الفوضوي في العالم الحقيقي حيث تضيع التسميات وتظهر أشياء جديدة في آن واحد. وبينما يعد هذا النظام خطوة كبيرة للأمام، يشير المؤلفون إلى أنه لا يزال يعتمد على بعض القواعد الثابتة لتقرير ما يعتبر "مربكًا" أو "مفقودًا"، والتي قد تحتاج إلى تعديل لأنواع مختلفة من الأشياء في المستقبل. ولكن في الوقت الحالي، يقدم DPOD طريقة واعدة لتعليم الروبوتات كيف ترى العالم مثل البشر تمامًا: بمزيج من الحقائق المعروفة والفضول المنفتح.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.