Görsel-dil modellerinin (VLM) insan bakışını anlama kabiliyeti araştırıldı. 1.360 gerçek fotoğraf kullanılan çalışmada, bu modellerin insanların neye baktığını tespit etmekte zorlandığı ortaya çıktı. En büyük sorun, yapay zekanın göz hareketleri yerine kafa yönelimini takip etmesi. Araştırmacılar, kişilerin masadaki nesnelere bakış açılarını kontrollü şekilde kaydetti - bazen kafa yönü bakış hedefiyle uyumlu, bazen farklı nesnelere yönelik, bazen de serbest bırakıldı. Sonuçlar, VLM'lerin insan performansından önemli ölçüde geride kaldığını gösteriyor. Bu durum, model mimarisinden ziyade eğitim verilerindeki önyargıdan kaynaklanıyor olabilir.

Launchpad Build AI şirketi, Manufacturing Language Model (MLM) adlı yeni sistemini tanıttı. Bu teknoloji, sadece fotoğraf, video veya CAD dosyalarından yararlanarak endüstriyel otomasyon sistemlerini tasarlayabiliyor. Özellikle çeşitli ürün türlerinin az miktarlarda üretildiği fabrikalar için geliştirilen sistem, otomasyon tasarımını demokratikleştirmeyi hedefliyor. Geleneksel yöntemlerde karmaşık mühendislik bilgisi gerektiren süreçleri, görsel girdi ile basitleştiren bu yaklaşım, küçük ve orta ölçekli üreticiler için büyük fırsatlar sunuyor.

Araştırmacılar, düşük çözünürlüklü görüntüleri yüksek kalitede büyütebilen yeni bir yapay zeka modeli geliştirdi. TinySR adlı bu model, mevcut sistemlerin aksine hem kompakt hem de hızlı çalışıyor. Gerçek dünya görüntülerindeki gürültü, bulanıklık ve sıkıştırma kaynaklı bozulmaları giderirken, geleneksel difüzyon modellerinin yavaş işlem süreçlerini ortadan kaldırıyor. Bu teknoloji, fotoğraf düzenleme uygulamalarından güvenlik kameralarına kadar pek çok alanda kullanım potansiyeli taşıyor.

NTIRE 2026 yarışması, fotoğraflardaki cam yansımalarını otomatik olarak kaldıran yapay zeka sistemlerini geliştirmeyi hedefledi. Gerçek dünya görüntüleri üzerinde test edilen bu teknoloji, özellikle cam vitrinler, pencereler ve diğer yansıtıcı yüzeylerden kaynaklanan istenmeyen yansımaları temizleyebiliyor. 100'den fazla katılımcının kayıt olduğu yarışmada, final aşamasına 11 takım kaldı. En başarılı yöntemler, alan uzmanlarından tam puan alarak mevcut teknolojinin sınırlarını aştı. Araştırmacılar OpenRR-5k adlı 5 bin gerçek fotoğraftan oluşan veri setini kullandı. Bu teknoloji, fotoğrafçılık, güvenlik kameraları ve mobil uygulamalar gibi pek çok alanda kullanım potansiyeli taşıyor.

Görsel-dil modelleri fotoğraf kalitesinde görüntüler üretebilse de, deyimsel ifadelerin soyut anlamlarını kavramakta zorlanıyor. Yeni bir araştırma, bu modellerin neden hep somut anlamları tercih ettiğini ortaya koyuyor. DIVA adlı test sistemi ile 8 farklı model incelendiğinde, tümünün 'Literal Üstünlük Önyargısı' sergilediği keşfedildi. Bu durum, modellerin büyümesi ya da görsel kalitelerinin artmasıyla çözülmüyor. Araştırmacılar, yüksek görsel ayrıntının aslında soyut düşünmeyi engelleyebileceğini öne sürüyor.

Araştırmacılar, sahte kimlik fotoğraflarını tespit etmek için yeni bir yapay zeka sistemi geliştirdi. DifFoundMAD adlı bu sistem, vizyoner temel modellerin güçlü özelliklerini kullanarak şüpheli morfoloji saldırılarını (morphing attacks) belirliyor. Geleneksel yöntemlerden farklı olarak, yüz tanıma gömme vektörleri yerine temel modellerin zengin temsil yeteneklerinden faydalanıyor. Hafif ayar işlemi ve sınıf dengeli optimizasyon ile parametrelerin sadece küçük bir bölümünü güncelleyerek, altta yatan modellerin zengin özelliklerini koruyor. Sınır güvenliği gibi kritik alanlarda kullanım için gerekli olan katı güvenlik seviyelerinde, mevcut en gelişmiş sistemlere göre tutarlı iyileştirmeler sağladığı kanıtlandı.

1950'lerde çekilen astronomik fotoğraf plakalarında yapılan yeni bir araştırma, jeomanyetik fırtınaların yıldız tespitini etkilemediğini ancak gizemli geçici gök cisimlerinin görülme oranını azalttığını ortaya koydu. VASCO projesi kapsamında 100.000'den fazla optik geçici cisim tespit edilirken, bu cisimlerinin manyetik fırtına dönemlerinde daha az görülmesi araştırmacıları şaşırtmıştı. Minnesota Otomatik Plaka Tarayıcısı verilerini kullanan bilim insanları, 638 farklı gözlem alanındaki yıldız sayılarını inceleyerek, manyetik fırtınaların plakların genel hassasiyetini etkilemediğini kanıtladı. Bu bulgu, geçici cisimlerin gözlenme oranındaki azalmanın teknik bir sorun değil, gerçek bir fiziksel fenomen olduğuna işaret ediyor.

Araştırmacılar, kişisel fotoğrafları izinsiz deepfake üretiminden koruyan yeni bir sistem geliştirdi. MetaCloak-JPEG adlı bu teknoloji, sosyal medya platformlarının uyguladığı JPEG sıkıştırma işlemini hesaba katarak çalışıyor. Mevcut koruma sistemleri, DreamBooth gibi yapay zeka araçlarının sadece 4-8 fotoğrafla kişiselleştirilmiş sahte içerik üretmesini engellemekte yetersiz kalıyordu. Bunun nedeni, JPEG sıkıştırma sırasında koruyucu sinyallerin %60-80'inin kaybolmasıydı. Yeni sistem, bu sorunu çözmek için farklılaştırılabilir JPEG katmanı kullanarak koruma sinyallerini düşük frekanslı bölgelere yönlendiriyor ve sıkıştırma sonrasında da etkisini koruyor.

Araştırmacılar, fotoğraflardaki gölgeleri kaldırmak için fizik kurallarını kullanan yeni bir yapay zeka sistemi geliştirdi. CFSR adlı bu sistem, geleneksel yöntemlerin aksine gölge temizleme işlemini fiziksel olarak anlamlı bir süreç haline getiriyor. Sistem, 3 boyutlu geometrik bilgileri ve semantik verileri birleştirerek, hem yerel doku detaylarını koruyor hem de global aydınlatma tutarlılığını sağlıyor. Özel HVI renk uzayı ve çift rehberli dikkat mekanizması kullanarak, ciddi şekilde bozulmuş bölgeleri bile başarıyla restore edebiliyor. Bu gelişme, fotoğraf düzenleme, bilgisayarlı görü ve görsel efekt uygulamalarında önemli ilerlemeler sağlayabilir.

Araştırmacılar, yapay zeka sistemlerinin derinlik algısını geliştirmek için MODEST adlı kapsamlı bir veri seti geliştirdi. Bu veri seti, profesyonel DSLR kameralarla çekilmiş 18 bin yüksek çözünürlüklü stereo görüntü içeriyor. Otonom robotlar ve artırılmış gerçeklik uygulamaları için kritik olan derinlik tahmini, gerçek optik koşullarda hala büyük zorluk teşkil ediyor. Mevcut yapay veri setlerinin gerçek dünya performansında yetersiz kalması sorunu, bu yeni veri seti ile aşılmaya çalışılıyor. MODEST, farklı odak uzaklıkları ve diyafram ayarlarıyla çekilmiş görüntüler sunarak, yapay zeka modellerinin gerçek kamera sistemlerinin optik karmaşıklığını öğrenmesini sağlıyor.

Araştırmacılar, fotoğrafların ton ve stil transferi için devrim niteliğinde bir yaklaşım geliştirdi. TST100K adlı 100 bin görsellik veri seti ile eğitilen ICTone modeli, bir referans fotoğrafın renk ve ton özelliklerini başka bir fotoğrafa aktarabiliyor. Geleneksel yöntemlerden farklı olarak, içerik ve referans özelliklerini ayrı ayrı işlemek yerine bütünsel bir yaklaşım benimsiyor. Bu sayede renk transferindeki semantic kayıplar önleniyor ve görsel estetik kalitesi artırılıyor. Model, difüzyon tabanlı bir çerçeve kullanarak ton transferini bağlamsal olarak gerçekleştiriyor. Araştırma, fotoğraf düzenleme ve dijital sanat alanlarında önemli bir ilerleme sunuyor.