في عالم الذكاء الاصطناعي، بات من الضروري العثور على طرق أكثر دقة في تقييم النماذج المستخدمة في معالجة الصور الجوية. ولذلك، تم تطوير GeoRefer-Bench، وهو معيار جديد يهدف إلى تحسين تفكيك الصور الجغرافية القابلة للتحقق.

تتسم عملية التفكيك في الصور الجوية بأنها تتطلب فهم العلاقة بين الأشياء، مثل الاستفسار عن المباني المتواجدة شمال الطريق أو البركة الأقرب إلى منطقة سكنية. وللأسف، كانت المعايير السابقة تعتمد بشكل رئيسي على تقييم تداخل القناع، مما لا يضمن بأن النموذج قد حل العلاقة المكانية كما هو مطلوب.

يعمل GeoRefer-Bench على تقديم حل لهذه المشكلة من خلال تقديم شكل منطقي قابل للتنفيذ لكل استفسار على شكل رسم بياني مكاني. يتم تقييم التوقعات بواسطة ما يُعرف بنجاح الاستفسار الدقيق (Exact Query Success - EQS)، الذي يتحقق فقط عندما يتطابق المجموعة المعادة من الكائنات تمامًا مع تلك التي يحددها الاستفسار.

يحتوي GeoRefer-Bench على 700 مشهد جوي يحمل دقة تصل إلى 2048 × 2048، ويمتد على مساحة 2.94 جيجابكسل، مما يوفر تحليلات مفصلة مع وجود أكثر من 142,796 علاقة مكانية و20,916 استفسار قابل للتنفيذ. بالإضافة إلى ذلك، يشتمل على ثلاث إعادة صياغة لكل استفسار، بنسبة 24% من الاستفسارات غير القابلة للإجابة، و2,477 مجموعة مضادة، وخمس تقسيمات للتحقق من التسرب.

قامت مراجعة مستقلة بإعادة حساب هندسة الأجسام وقيم العلاقات، لتجد عدم وجود أي مشكلات عبر جميع المشاهد الـ 700. بينما يمكن لاستراتيجيات غير حساسة للعلاقات الاحتفاظ بمعدل تداخل غير عادي، إلا أنها حققت في أقصى تقدير 22.7 EQS بشكل عام.

باستخدام GeoRefer-Bench، يتحول التفكيك الجغرافي من عملية مطابقة الأقنعة إلى عملية حل مرجعي قابل للتحقق، مما يعد ثورة حقيقية في تقنيات التفكيك.

ما هو رأيكم في هذا التطور الثوري؟ هل تعتقدون بأن هذا المعيار سيغير قواعد اللعبة في التطبيقات الجغرافية؟ شاركونا في التعليقات!