Araştırmacılar, taramalı elektron mikroskobu görüntülerinden hassas kontur çıkarımı yapabilen SegSEM adlı yeni bir yapay zeka sistemi geliştirdi. Meta'nın SAM2 modelini temel alan bu sistem, yarı iletken üretiminde kritik önem taşıyan optik yakınlık düzeltme modellerinin kalibrasyonunda kullanılıyor. Sadece 60 görüntü ile eğitilmesine rağmen yüksek başarım gösteren sistem, veri kıtlığının yaşandığı endüstriyel uygulamalarda temel modellerin nasıl adapte edilebileceğine dair önemli ipuçları sunuyor. Hibrit mimarisi sayesinde geleneksel algoritmaları da güvenilirlik kontrolü için kullanan SegSEM, özellikle mikroelektronik üretim süreçlerinde devrim yaratma potansiyeline sahip.

Yapay zeka destekli video segmentasyon teknolojilerinde önemli bir gelişme kaydedildi. SAM2 gibi interaktif video segmentasyon modelleri güçlü performans sergilerken, zayıf kullanıcı müdahalesi durumlarında titreşimli sınırlar ve nesne kayıpları gibi sorunlar yaşıyordu. Araştırmacılar, bu sorunu çözmek için yeni bir zamansal olasılık yumuşatma yöntemi geliştirdi. Optik akış tabanlı hareket dönüşümü ve piksel bazında belirsizlik tahminlerini kullanan bu yaklaşım, mevcut modeli yeniden eğitmeden veya mimarisini değiştirmeden çalışabiliyor. Yöntem, segmentasyon entropisinden türetilen belirsizlik sinyallerini ve ileri-geri akış tutarlılığını kullanarak daha stabil video segmentasyonu sağlıyor.

Araştırmacılar, video analizi alanında önemli bir yenilik geliştirdi. 3AM adlı yeni sistem, SAM2 video segmentasyon teknolojisini 3D geometrik özelliklerle güçlendirerek, kamera açısı değişimlerinde bile tutarlı nesne takibi sağlıyor. Geleneksel yöntemlerin aksine, sadece RGB görüntü girişiyle çalışan sistem, karmaşık ön işleme veya kamera pozisyonu bilgisine ihtiyaç duymuyor. MUSt3R teknolojisinden gelen 3D farkındalığı sayesinde, sistem hem görsel benzerlik hem de uzamsal konum bilgisini kullanarak nesneleri daha güvenilir şekilde tanımlayabiliyor. Bu gelişme, video analizi, artırılmış gerçeklik ve robotik uygulamalar için önemli bir adım.