تُعد عملية تصنيف الصور الدقيقة (Fine-Grained Visual Classification - FGVC) من التحديات المستمرة في مجال رؤية الكمبيوتر، حيث تختلف الفئات بشكل طفيف مما يجعلها صعبة التحليل. في السعي لتجاوز هذه العقبات، تم تقديم نموذج H3Former والذي يعتمد على تقنية الهيبرغراف (Hypergraph) لتجميع المعلومات الدلالية بشكل متقدم.

تستخدم منهجيات التصنيف الحالية تقنيات مثل اختيار الميزات أو استراتيجيات اقتراح المناطق لتحديد المناطق الأكثر دلالة، ولكنها غالبًا ما تفشل في التقاط الإشارات بشكل شامل. يقوم H3Former بتقديم إطار عمل مبتكر يعتمد على تجميع تمثيلات مفصلة من خلال استخدام نموذج هيبرغرافي مترابط بين الرموز.

يركز النموذج الحالي على تفعيل ما يسمى بوحدة التجميع المدرك دلاليًا (Semantic-Aware Aggregation Module - SAAM)، التي تستفيد من إشارات سياقية متعددة المقاييس لبناء هيبرغراف وزني بشكل ديناميكي. وهذا يمكنه من التفاعل مع العلاقات الدلالية العالية المستوى وتجميع الميزات بشكل تدريجي لتكوين تمثيلات محلية مضغوطة.

علاوة على ذلك، يقدم H3Former أيضًا خسارة تباين هرمي هيبرولي (Hyperbolic Hierarchical Contrastive Loss - HHCL) التي تعزز من التفريق بين الفئات الداخلية مع الحفاظ على العلاقات الهيكلية. أظهرت التجارب الشاملة التي أجريت على أربعة معايير معيارية لتصنيف الصور الدقيقة تفوق نموذج H3Former على الطرق السابقة.