بررسی جامع مدل‌های بنیادین در تشخیص عیوب صنعتی

تکمیل این اپیزود

اگر مهمان یا اسپانسری جا افتاده، از فهرست موجود انتخاب کن یا نام تازه‌ای پیشنهاد بده. پیشنهادها بعد از بررسی مدیر عمومی می‌شوند.

متن منتشرشده توسط پادکستر

توضیحات اپیزود

این مقاله یک بر رسی سیستماتیک در مورد روش‌های تشخیص بصری عیوب صنعتی، با تمرکز بر مدل‌های بنیادین (FM) نظیر SAM، CLIP و GPT، ارائه می‌دهد. این مدل‌ها دانش پیشین معنایی بصری و متنی را به کار می‌گیرند. تحقیقات نشان می‌دهد که مدل‌های بنیادین به‌ویژه برای سناریوهای صنعتی که در آن داده‌ها محدود هستند، مانند یادگیری با نمونه‌های کم (few-shot) یا صفر (zero-shot)، مناسب‌تر می‌باشند. با این حال، استفاده از این مدل‌ها معمولاً منجر به افزایش پیچیدگی مدل و کاهش سرعت استنتاج (inference) می‌شود، هرچند برخی تلاش‌ها برای سبک‌سازی آن‌ها آغاز شده است. شناسه مقاله: این سند از نسخه پیش‌انتشار (preprint) با شناسه زیر تهیه شده است: arXiv: 2502.19106v2

نظرها