تقديم نموذج ViT³: ثورة في تدريب الرؤية الحاسوبية

قدمت جامعة تسينغوا وشركة علي بابا نموذج ViT³، وهو هيكل جديد من المحولات البصرية يحقق تعقيدًا حسابيًا خطيًا. تم تقديم البحث في مؤتمر CVPR 2026، حيث تمثل هذه الابتكارات خطوة مهمة نحو فهم الصور عالية الدقة على الأجهزة الطرفية. يعتمد النموذج على إعادة تفسير آلية الانتباه من خلال تدريب الوقت الفعلي، مما يقلل من التعقيد الحسابي التقليدي الذي ينمو بشكل رباعي مع زيادة دقة الصورة. من خلال بناء نموذج داخلي خفيف الوزن أثناء الاستدلال، يتيح ViT³ معالجة أكثر كفاءة للمعلومات. تشير النتائج إلى أن استخدام معدل تعلم داخلي كبير (1.0) ونماذج داخلية أوسع يمكن أن يحسن الأداء بشكل كبير. هذه التطورات قد تفتح آفاقًا جديدة لتطبيقات الرؤية الحاسوبية على الأجهزة ذات القدرات المحدودة.