← नवीनतम पेपर
🧬 biology

Characterizing Universal Object Representations Across Vision Models

यह शोध पत्र 162 विविध विज़न मॉडलों में सार्वभौमिक, अर्थपूर्ण रूप से व्याख्या योग्य वस्तुत्मक निरूपणों की पहचान करता है जो वास्तुशिल्प या प्रशिक्षण विविधताओं से स्वतंत्र हैं लेकिन मैकाक और मनुष्यों दोनों में जैविक दृष्टि के साथ दृढ़ता से सह-संबंधित हैं।

मूल लेखक: Florian P. Mahner, Johannes Roth, Ka Chun Lam, Michael F. Bonner, Francisco Pereira, Martin N. Hebart

प्रकाशित 2026-05-14
📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Florian P. Mahner, Johannes Roth, Ka Chun Lam, Michael F. Bonner, Francisco Pereira, Martin N. Hebart

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ⚕️ यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आपके पास 162 अलग-अलग "विज़न ब्रेन्स" (दृष्टि मस्तिष्क) का एक विशाल पुस्तकालय है। कुछ क्लासिक कैमरों (CNNs) की तरह बने हैं, कुछ आधुनिक ट्रांसफॉर्मर की तरह, कुछ बिल्लियों को पहचानने के लिए प्रशिक्षित हैं, और अन्य शब्दों और चित्रों के बीच के संबंध को समझने के लिए हैं। उनके ब्लूप्रिंट, उनके शिक्षक और उनके लक्ष्य अलग-अलग हैं।

बड़ा सवाल जो शोधकर्ताओं ने पूछा था वह यह है: जब ये सभी अलग-अलग मस्तिष्क एक ही वस्तु (जैसे कि एक कुत्ता) को देखते हैं, तो क्या वे इसे एक ही तरह से देखते हैं?

प्रयोग: "दृष्टि" का विश्लेषण करना

इस उत्तर तक पहुँचने के लिए, शोधकर्ताओं ने कंप्यूटरों से केवल यह नहीं पूछा कि "क्या यह एक कुत्ता है?" इसके बजाय, उन्होंने देखा कि वे मॉडल उस कुत्ते को आंतरिक रूप से कैसे दर्शाते (represent करते) हैं।

प्रत्येक कंप्यूटर के आंतरिक दृश्य को 50 अलग-अलग सामग्रियों (आयामों/dimensions) से बनी एक जटिल रेसिपी की तरह समझें।

  • सामग्री A हो सकती है "यह कितना रोएंदार है।"
  • सामग्री B हो सकती है "यह एक वाहन जैसा कितना दिखता है।"
  • सामग्री C हो सकती है "भूरे रंग का विशिष्ट शेड।"

शोधकर्ताओं ने सभी 162 विज़न मॉडल्स की इन "रेसिपी" को लिया और यह पता लगाने की कोशिश की कि कौन सी सामग्रियां यूनिवर्सल (सार्वभौमिक) थीं (जो लगभग हर रेसिपी में मौजूद थीं) और कौन सी मॉडल-विशिष्ट (Model-Specific) थीं (जो केवल एक या कुछ ही रेसिपी में अद्वितीय थीं)।

खोज: "यूनिवर्सल" सामग्रियां

उन्होंने पाया कि इन मॉडल्स के निर्माण के तरीकों में अंतर होने के बावजूद, वे सभी एक विशिष्ट सेट यूनिवर्सल डायमेंशन्स (सार्वभौमिक आयामों) पर आकर मिल गए।

यहाँ बताया गया है कि ये यूनिवर्सल डायमेंशन्स क्या चीज़ हैं, सरल उपमाओं का उपयोग करते हुए:

  1. ये केवल "पिक्सेल" के बारे में नहीं, बल्कि "अवधारणाओं" (Concepts) के बारे में हैं:

    • यूनिवर्सल डायमेंशन्स "जानवर" या "वाहन" जैसे विचार की तरह हैं। यदि आप उन छवियों को देखते हैं जो इन आयामों से बनी हैं, तो आपको कुत्तों का एक स्पष्ट समूह, या कारों का एक स्पष्ट समूह दिखाई देगा। वे वस्तु के अर्थ को पकड़ते हैं।
    • मॉडल-विशिष्ट डायमेंशन्स इस बात की तरह हैं कि किसी विशेष कुत्ते का कान थोड़ा टेढ़ा है, या किसी कार में जंग की एक विशिष्ट बनावट है। ये कम-स्तरीय दृश्य विवरणों (रंग, बनावट, किनारे) को पकड़ते हैं जो मॉडल्स के बीच बहुत भिन्न होते हैं।

  2. इन्हें समझना मनुष्यों के लिए आसान है:

    • जब शोधकर्ताओं ने मनुष्यों को इन आयामों द्वारा समूहीकृत (grouped) छवियों को देखने के लिए कहा, तो मनुष्य आसानी से कह सके, "ओह, यह समूह 'भोजन' के बारे में है।"
    • मॉडल-विशिष्ट डायमेंशन्स अक्सर मनुष्यों के लिए एक भ्रमित करने वाला ढेर थे। मनुष्य आसानी से यह नहीं समझा पा रहे थे कि वे क्या देख रहे हैं।

"क्यों" और "कैसे"

शोधकर्ता जानना चाहते थे कि ये यूनिवर्सल डायमेंशन्स क्यों मौजूद हैं। उन्होंने परीक्षण किया कि क्या यह इसलिए था क्योंकि:

  • मॉडल्स एक ही तरह से बनाए गए थे? नहीं। (CNNs और Transformers दोनों में ये मौजूद थे)।
  • उन्हें एक ही डेटा पर प्रशिक्षित किया गया था? नहीं। (अलग-अलग डेटासेट पर प्रशिक्षित मॉडल्स भी इन्हें साझा करते थे)।
  • वे बड़े या अधिक स्मार्ट थे? नहीं। (प्रदर्शन और आकार से कोई फर्क नहीं पड़ा)।

निष्कर्ष: यह सार्वभौमिकता कोड या डेटा का कोई चमत्कार नहीं है। ऐसा लगता है कि यह देखने (देखने की प्रक्रिया) को सीखने का एक स्वाभाविक परिणाम है। क्योंकि ये सभी मॉडल्स दुनिया को समझने के लिए एक ही भौतिक दुनिया का उपयोग कर रहे हैं, वे स्वाभाविक रूप से उन्हीं "वैचारिक शॉर्टकट्स" (जैसे "कुत्ते जैसा होना" या "कुर्सी जैसा होना") को खोज लेते हैं जो वस्तुओं को समझने के लिए उपयोगी हैं।

"जैविक" संबंध

सबसे रोमांचक हिस्सा यह है कि ये यूनिवर्सल डायमेंशन्स ही हैं जो बताते हैं कि वास्तविक जैविक मस्तिष्क कैसे काम करते हैं।

  • जब शोधकर्ताओं ने मॉडल्स की तुलना मैकाक बंदरों (जिनकी दृष्टि प्रणाली मनुष्यों के समान है) से की, तो मॉडल्स के "यूनिवर्सल डायमेंशन्स" ने बंदरों की मस्तिष्क गतिविधि की बहुत बेहतर भविष्यवाणी की, बजाय "मॉडल-विशिष्ट" वाले आयामों के।
  • उन्होंने यह भी बेहतर भविष्यवाणी की कि मनुष्य वस्तुओं के बीच समानता का निर्णय कैसे लेते हैं।

मुख्य निष्कर्ष (Takeaway)

कल्पना कीजिए कि दो लोग सूर्यास्त का वर्णन करने की कोशिश कर रहे हैं।

  • व्यक्ति A (मॉडल-विशिष्ट) कहता है: "यह #FF5733 से #C70039 में ढलती हुई एक ग्रेडिएंट है जिसमें एक विशिष्ट पिक्सेल नॉइज़ पैटर्न है।"
  • व्यक्ति B (यूनिवर्सल) कहता है: "यह एक सुंदर, गर्म, नारंगी आकाश है।"

यह पेपर दिखाता है कि जब डीप लर्निंग मॉडल्स देखने में कुशल हो जाते हैं, तो वे व्यक्ति A की तरह बोलना बंद कर देते हैं और व्यक्ति B की तरह बोलना शुरू कर देते हैं। वे सभी स्वतंत्र रूप से यह खोज लेते हैं कि दुनिया को समझने का सबसे उपयोगी तरीका कच्चे पिक्सेल के बजाय अवधारणाओं (जैसे "नारंगी आकाश" या "कुत्ता") के माध्यम से है। और चूंकि हमारे अपने मस्तिष्क भी दुनिया को देखने के लिए इन्हीं अवधारणाओं का उपयोग करते हैं, इसलिए ये "यूनिवर्सल डायमेंशन्स" आर्टिफिशियल इंटेलिजेंस और जैविक दृष्टि के बीच का सेतु हैं।

अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?

आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 🧬 q-bio →