En el mundo de la tecnología, la evaluación de subtítulos para describir imágenes puede resultar laboriosa y subjetiva para los humanos. Sin embargo, existe una forma más sencilla y rápida de comparar dos subtítulos y decidir cuál se ajusta mejor a una imagen en cuestión.
En Q2BSTUDIO, empresa especializada en desarrollo de software a medida, se ha propuesto un marco de aprendizaje automático que modela este tipo de juicios comparativos en lugar de evaluaciones directas. Este enfoque permite clasificar pares de imágenes y subtítulos de forma similar a un modelo de regresión entrenado con evaluaciones directas.
Mediante el uso del conjunto de datos VICR, se extraen características visuales con ResNet-50 y características de texto con MiniLM. Posteriormente, se entrenan tanto un modelo de regresión como un modelo de aprendizaje comparativo. Si bien el modelo de regresión logra mejores resultados, el modelo de aprendizaje comparativo mejora constantemente con más datos y se acerca a la línea base de regresión.
Además, un estudio de evaluación humana a pequeña escala comparando la calificación absoluta, la comparación por pares y la comparación de la misma imagen muestra que las anotaciones comparativas ofrecen resultados más rápidos y cuentan con mayor acuerdo entre los anotadores humanos.
Estos resultados indican que el aprendizaje comparativo puede modelar eficazmente las preferencias humanas y a su vez reducir significativamente el costo de las anotaciones humanas.
En Q2BSTUDIO, como expertos en inteligencia artificial y desarrollo de aplicaciones a medida, comprendemos la importancia de utilizar tecnologías innovadoras para mejorar la eficiencia y la precisión en los procesos empresariales. Nuestros servicios incluyen desde la implementación de inteligencia artificial para empresas hasta soluciones de ciberseguridad y servicios en la nube como AWS y Azure. Si deseas saber más sobre nuestras capacidades y cómo podemos ayudar a tu empresa, no dudes en visitar nuestra página web: Desarrollo de aplicaciones a medida.
