AIJ Science 2025: Российские ученые награждены за статью о методе обработки данных для компьютерного зрения

На международной конференции AI Journey («Путешествие в мир искусственного интеллекта») подведены итоги конкурса AIJ Science — отбора научных статей по новейшим исследованиям в области искусственного интеллекта и машинного обучения.

В 2025 году на конкурс было подано свыше 240 работ от AI-исследователей из 17 стран: России, Индии, Китая, США, Индонезии, Канады, Беларуси, Узбекистана, Южной Кореи, Саудовской Аравии, Азербайджана, Эфиопии, Кипра, Иордании, Армении, Вьетнама и Судана. Российские работы поступили из разных регионов страны — от Комсомольска-на-Амуре до Луганска.

К публикации в специальном выпуске издания «Доклады Российской академии наук. Математика, информатика, процессы управления» и его англоязычной версии Doklady. Mathematics допущено 42 статьи. Все материалы рецензируют ведущие профильные эксперты, а статьи для публикации в издании и лучшая статья определяются авторитетной конкурсной комиссией из учёных Сбера, Института AIRI и Института системного программирования РАН.

Научная статья «MMRFiGN: ансамблевая графовая модель сегментации несбалансированных изображений высокого разрешения, информированная мультикомпонентными марковскими случайными полями» признана лучшей работой AIJ Science 2025. Её авторы — д. ф.-м.н. Андрей Горшенин и Анастасия Достовалова — получили денежную премию в размере 1 млн рублей на сцене AI Journey.

«Непрерывные научные исследования крайне важны для развития прикладного искусственного интеллекта, поскольку они лежат в основе как создания новых продуктов, так и совершенствования существующих, – отметил Андрей Белевцев, старший вице-президент, руководитель блока «Технологическое развитие» Сбербанка. – Особенно хочется отметить растущий интерес к конкурсу не только в нашей стране, но и за рубежом: более 200 работ из 17 стран мира — это отличное подтверждение его международного признания. Работа-победитель этого года — яркий пример исследования с широкими возможностями для практического применения искусственного интеллекта в реальном мире: в сельском хозяйстве, на транспорте, в труднодоступных регионах и в сфере безопасности. Уверен, что предложенная архитектура станет серьёзным подспорьем и ценным инструментом для других учёных и разработчиков».

Авторы статьи изучили семантическую сегментацию изображений высокого разрешения с дисбалансом классов и предложили новый метод — ансамблевую графовую нейросетевую модель MMRFiGN, основанную на интеграции в архитектуру мультикомпонентных марковских случайных полей. Эффективность подхода продемонстрирована как теоретически (доказана возможность ускорения обучения по сравнению с сопоставимыми по размеру графовыми и свёрточными решениями), так и эмпирически (на открытых датасетах из снимков с беспилотных аппаратов MMRFiGN превосходит по точности более чем на 15% лучшую трансформерную модель 2025 года для обработки аэрокосмических изображений). При этом модель содержит почти в два раза меньше параметров, чем сопоставимые по результатам аналоги. Предложенные методы эффективны при анализе сложных сцен в автономной навигации для беспилотных систем.