نحو رؤية أفضل: تحليل تطورات نماذج Vision Mamba في الرؤية عالية الدقة

في عالم الذكاء الاصطناعي، تتصارع التقنيات الجديدة لتقديم رؤى أكثر دقة وفاعلية. وفي هذا السياق، يتناول بحث جديد نماذج Vision Mamba التي تقدم نظامًا بديلاً يعتمد على نماذج الفضاء الانتقائي المتيقظ (Selective State Space Models) بدلًا من التعقيد الرباعي في الاعتماد على الانتباه الذاتي.

ومع ذلك، تكشف دراسات أجرتها MambaOut أن كتل الشبكات العصبية المدارة (Gated CNN) يمكن أن تصل إلى أداء متساوٍ أو تتفوق على Vision Mamba في مهام تصنيف الصور. هذا يقودنا إلى تساؤل أساسي: كيف تختلف طرق تمثيل المعلومات البصرية بين النموذجين؟

لإلقاء الضوء على هذه الفروق، قامت الدراسة بتحليل دقيق لنموذجي Vision Mamba وMambaOut باستخدام أسلوب محاذاة النواة المرتكزة على النماذج (Cross Model Centered Kernel Alignment). حيث أظهرت النتائج أن الكتل النهائية لنموذج Vision Mamba تشكل تمثيلات تختلف بشكل ملحوظ عن MambaOut وكتله السابقة. وبالتالي، تم التركيز على الميزات الخاصة بالكتلة النهائية، إذ تم تفكيك كل توقيع مكاني إلى سعة واتجاه.

بينما تركز MambaOut على المعلومات التمييزية في توقيعات عالية النمط، يظهر أن Vision Mamba يسجل توقيعات عالية النمط بشكل أكبر في المناطق الخلفية، ما يتسبب في عدم توافقها مع طرق تعيين Grad-CAM. رغم ذلك، يحافظ Vision Mamba عمومًا على إشارات تمييزية تتعلق باتجاه هذه التوقيعات.

كلما زادت التوقيعات المستخدمة، أصبح اعتماد MambaOut على التوقيعات المهيمنة أقل استقرارًا، مما يؤدي إلى التفوق المتواصل لVision Mamba عند إجراء ضبط كامل للترتيب في التصنيف والتمييز الدلالي.

تخلص الدراسة إلى أن الهيكل الاتجاهي وسعة التوقيع هما من المحاور الأساسية لتحسين النماذج البصرية، لا سيما تحت الإشراف الكثيف.