Исследователи из Массачусетского технологического института (MIT) и Watson AI Lab MIT-IBM представили технику, которая позволяет генеративным моделям искусственного интеллекта лучше распознавать уникальные объекты, например конкретного питомца, человека или предмет.
Проблема
Современные модели языка зрения (VLM), такие как GPT-5, отлично справляются с определением общих категорий вроде «собака» или «рюкзак», но плохо различают индивидуальные экземпляры — например, конкретного французского бульдога по имени Боузер.
Решение MIT
Учёные предложили новый метод тонкой настройки, основанный на данных видеослежения, где один и тот же объект показан в разных кадрах и контекстах.
Модель обучается локализовать объект по контекстным признакам, а не по запомненным категориям.
Чтобы исключить подсказки, исследователи заменили реальные названия объектов на псевдоимена — например, тигра переименовали в «Чарли». Это вынудило модель опираться только на визуальные подсказки.
Результаты
После обучения по новой методике точность определения персонализированных объектов выросла:
- на 12 % при стандартных данных;
- на 21 % при использовании псевдоимен.
При увеличении размеров модели рост производительности оказался ещё более значительным.
Важно, что общие способности ИИ при этом не ухудшились.
Потенциал
Подход может применяться в:
- робототехнике — для отслеживания конкретных объектов;
- экологическом мониторинге — для наблюдения за отдельными животными;
- ассистивных технологиях — чтобы помогать людям с нарушением зрения находить нужные предметы.
Цитата
«Мы хотим, чтобы модели учились из контекста, как это делают люди. Несколько примеров должны быть достаточны, чтобы ИИ сделал правильные выводы», — пояснил Джеханзеб Мирза, постдок MIT и старший автор исследования.
Работа будет представлена на Международной конференции по компьютерному зрению (ICCV). Исследование объединяет специалистов из MIT, IBM Research, Университета Вейцмана, Тель-Авивского университета, Университета Иоганна Кеплера и Центра ИИ в Тюбингене.
Источник: https://news.mit.edu/2025/method-teaches-generative-ai-models-locate-personalized-objects-1016
Больше интересного – на медиапортале https://www.cta.ru/