“geometri” için sonuçlar
134 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay sinir ağları geometrik düzenleme ile daha güvenilir hale geliyor
Karmaşık sistemlerin davranışlarını modellemek için kullanılan otokodlayıcılar, yeni bir geometrik düzenleme yöntemiyle daha doğru ve tutarlı sonuçlar üretebilecek. Araştırmacılar, yüksek boyutlu verilerdeki gizli düşük boyutlu yapıları keşfetmek için üç aşamalı yeni bir yaklaşım geliştirdi. Bu yöntem, özellikle uzun zaman dilimlerinde yavaş gelişen stokastik sistemlerin analizinde önemli iyileştirmeler sağlayabilir. Mevcut ATLAS gibi yerel harita yöntemlerinin üstel ölçekleme sorunları ve otokodlayıcı alternatiflerinin teğet-paket geometrisindeki kısıtlamaları bu çalışmayla aşılmaya çalışılıyor.
Yapay Zeka Modellerinde Eğitim Stratejilerinin Etkisi Araştırıldı
Araştırmacılar, gürültü temizleme tabanlı üretken yapay zeka modellerinin eğitim süreçlerini derinlemesine incelediler. Çalışma, farklı ağırlıklandırma yöntemlerinin ve parametre seçimlerinin model performansına nasıl etki ettiğini sistematik olarak analiz etti. Gürültü, temiz görüntü ve hız tabanlı formülasyonlar karşılaştırılarak, bu seçimlerin veri manifoldunun boyutluluğu, model mimarisi ve veri seti büyüklüğü ile nasıl etkileşim kurduğu incelendi. Araştırma, kontrollü geometriye sahip sentetik veri setleri ile gerçek görüntü verilerini kapsadı. Sonuçlar, flow matching modellerinin eğitiminde kritik faktörlerin ayrıştırılmasına odaklanarak pratik tasarım önerileri sunuyor. Bu çalışma, yapay zeka modellerinin daha etkili eğitimi için önemli içgörüler sağlıyor.
Yapay Zeka Artık 3D Mekanları Daha Gerçekçi ve Hızlı Tasarlıyor
Araştırmacılar, 3D mekan tasarımında devrim yaratacak yeni bir yapay zeka sistemi geliştirdi. LaviGen adlı bu framework, geleneksel metin tabanlı yaklaşımların aksine doğrudan üç boyutlu uzayda çalışarak, nesneler arası geometrik ilişkileri ve fiziksel kısıtlamaları modelliyor. Sistem, mekan tasarımını adım adım gerçekleştiren otoregresif bir süreç kullanarak, fiziksel olarak tutarlı ve mantıklı 3D sahneler üretiyor. Özel olarak geliştirilmiş 3D difüzyon modeli ile desteklenen LaviGen, sahne, nesne ve talimat bilgilerini entegre ederek mükemmel sonuçlar elde ediyor. LayoutVLM benchmark testlerinde yapılan kapsamlı deneyler, sistemin mevcut teknolojilere kıyasla %19 daha yüksek fiziksel tutarlılık sağladığını ve %65 daha hızlı hesaplama yaptığını ortaya koydu. Bu gelişme, mimari tasarım, oyun geliştirme ve sanal gerçeklik uygulamaları için önemli fırsatlar sunuyor.
Yapay Zeka Modelleri Artık Geçmişi Unutmadan Yeni Bilgileri Öğrenebilecek
Bilim insanları, yapay zeka modellerinin karşılaştığı en büyük sorunlardan birini çözmek için yeni bir yaklaşım geliştirdi. Geleneksel AI modelleri yeni görevler öğrenirken eskiden öğrendiklerini unutma eğilimindedir - bu duruma 'katastrofik unutma' denir. Araştırmacılar, özellikle akışkanlar dinamiği gibi karmaşık fizik problemleri için tasarlanan SLE-FNO adlı yeni bir mimari sundular. Bu sistem, tek katman uzantısı kullanarak modelin sürekli öğrenme yeteneğini artırıyor ve geçmiş bilgileri kaybetmeden yeni koşullara uyum sağlamasını mümkün kılıyor. Geliştirilen yöntem, farklı geometriler, sınır koşulları veya akış rejimlerindeki değişikliklere karşı daha esnek çözümler sunabiliyor.
Yapay Zeka Öğrenmesinde Devrim: Beyin Benzeri Hafıza Modeli Geliştirildi
Araştırmacılar, yapay zekanın öğrenme süreçlerini modellemek için insan beynindeki Hebbian plastisiteden ilham alan yeni bir matematiksel framework geliştirdi. Tan-HWG adı verilen bu model, hafıza durumlarını olasılık dağılımları olarak ele alarak, yapay sinir ağlarının nasıl öğrendiğini geometrik bir perspektifle açıklıyor. Sistem, dahili hafıza durumları ile gözlemlenebilir çıktılar arasında temel bir ayrım yaparak, sinaptik bağlantıların güçlenmesi ve budanmasını geometrik sonuçlar olarak açıklıyor. Bu yaklaşım, yapay zeka sistemlerinin öğrenme mekanizmalarını daha iyi anlamamıza ve optimize etmemize yardımcı olabilir.
Robotlar İçin Sürekli Öğrenen Göz-El Koordinasyon Sistemi Geliştirildi
Araştırmacılar, robotların farklı ortamlarda göz-el koordinasyonunu sürekli öğrenebilmesi için yeni bir yapay zeka sistemi geliştirdi. Geleneksel derin öğrenme modellerinin yeni ortamlara adapte olurken eski bilgileri unutma sorunu yaşadığı biliniyordu. Bu yeni yaklaşım, robotların manipülasyon görevlerini yerine getirirken karşılaştıkları her yeni sahneye adaptasyon sağlarken önceki deneyimlerini de korumasını sağlıyor. Sistem, geometrik olarak düzenli bir tekrar stratejisi ve yapı koruyucu damıtma tekniği kullanıyor. Bu gelişme, robotların açık dünya ortamlarında daha etkili çalışabilmesi ve sürekli öğrenme yeteneği kazanması açısından önemli bir adım.
Yapay zeka modelleri şekilleri gerçekten anlıyor mu? Yeni test kritik sonuçlar verdi
Görme-dil modelleri (VLM) birçok görevi başarıyla yerine getirse de, bu sistemlerin geometrik şekilleri gerçekten anlayıp anlamadığı belirsizdi. Araştırmacılar, bu modellerin renk ve doku ipuçlarından yararlanarak başarılı görünüp görünmediğini test etmek için BareBones adlı yeni bir değerlendirme sistemi geliştirdi. Bu benchmark, yapay zeka modellerinin saf geometrik anlama yetisini ölçmek için piksel düzeyinde silüetler kullanıyor. Altı farklı veri setinden yararlanılarak oluşturulan bu test, görsel yapay zeka sistemlerinin gerçek geometrik kavrayış kapasitelerini ortaya çıkarmayı hedefliyor. Çalışma, mevcut değerlendirme yöntemlerinin çevresel ipuçlarını sızdırdığını ve bu durumun modellerin gerçek yeteneklerini maskelediğini gösteriyor.
3AM: Video Segmentasyonunda Geometrik Tutarlılık Devrimi
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.
Büyük Veri Kümelerini Eşleştiren Yeni Algoritma Dakikalar İçinde Sonuç Veriyor
Veri biliminin temel sorunlarından biri olan farklı nokta kümelerinin birbirleriyle eşleştirilmesi, yeni bir algoritma sayesinde çok daha hızlı hale geldi. Araştırmacılar, Gromov-Wasserstein çerçevesini kullanarak geliştirdikleri yöntemle, yüz binlerce veriyi dakikalar içinde işleyebilen bir sistem oluşturdu. Geleneksel optimal transport yöntemleri döndürme işlemlerine karşı hassas olurken, bu yeni yaklaşım hem rotasyonlara dayanıklı hem de hesaplama açısından çok daha verimli. Algoritma, bellek kullanımını doğrusal, zaman karmaşıklığını ise kübik yerine karesel seviyeye indiriyor. Bu gelişme, büyük ölçekli geometrik uygulamalarda önemli bir ilerleme sağlıyor.
ModuSeg: Eğitimsiz Görüntü Bölütleme için Devrim Niteliğinde Yaklaşım
Araştırmacılar, görüntü işlemede önemli bir soruna yenilikçi bir çözüm geliştirdi. ModuSeg adlı bu yeni framework, zayıf denetimli görüntü bölütleme işlemini eğitim gerektirmeden gerçekleştiriyor. Geleneksel yöntemler, nesne tanıma ve konumlandırmayı birlikte optimize etmeye çalışırken genellikle görüntülerin yalnızca küçük ayırt edici bölgelerine odaklanıyor. Bu da hem zaman kaybına hem de başarım düşüklüğüne neden oluyor. ModuSeg, nesne keşfi ile anlambilimsel atama süreçlerini birbirinden ayırarak bu sorunu çözüyor. Sistem, güvenilir sınırları olan geometrik önerileri çıkarmak için genel bir maske önerici kullanırken, anlambilimsel temel modelleri kullanarak çevrimdışı özellik bankası oluşturuyor. Bu yaklaşım, çok aşamalı yeniden eğitim gerektirmediği için hem zaman tasarrufu sağlıyor hem de daha kararlı sonuçlar veriyor.
Yapay Zeka Artık Geometri Problemlerini Çizimden Anlayabiliyor
Araştırmacılar, yapay zekanın geometri problemlerindeki görsel algı sorununu çözmek için yeni bir yaklaşım geliştirdi. Çok modlu büyük dil modelleri (MLLM'ler) karmaşık metinleri anlayabilse de, geometrik şekilleri görsel olarak algılamakta zorlanıyordu. Yeni geliştirilen 'Geoparsing' sistemi, hem düzlem hem de katı geometriyi kapsayan birleşik bir formal dil kullanarak bu sorunu çözüyor. Sistem, 29 bin gerçek geometri örneği ile eğitildi ve denetimli öğrenme ile pekiştirmeli öğrenmeyi birleştiren hibrit bir yaklaşım kullanıyor. Bu gelişme, yapay zekanın matematik eğitiminden mühendislik uygulamalarına kadar geniş bir yelpazede kullanılabilmesinin önünü açıyor.
Mikro Yapıları Görselleştirmede Devrim: Hızlı Vokselleştirme Yöntemi
Araştırmacılar, fırçalanmış metal yüzeyler ve fiber yapılar gibi mikro geometrilere sahip malzemelerin 3D görselleştirilmesi için yeni bir yöntem geliştirdi. Bu malzemeler, altında yatan küçük yapılarının şekli ve düzenlenişi nedeniyle ışığı farklı yönlerde dağıtır ve yüksek çözünürlük gerektirir. Geleneksel voksel verisi elde etme süreci zaman alıcı ve bellek yoğun olup, çoğu görüntüleme yaklaşımı piksel başına hesaplama sayısını azaltmak için ek Detay Seviyesi (LoD) veri yapıları gerektirir. Yeni araştırma, birden fazla çözünürlük seviyesinde hızlı veri toplama için tasarlanmış verimli paralel vokselleştirme yöntemi ve daha iyi doğruluk sağlayan hiyerarşik SGGX kümeleme tabanlı yeni bir temsil sunuyor. CUDA tabanlı bu yaklaşım, mikro geometri görüntüleme alanında önemli bir ilerleme kaydediyor.
Dronlar için AI Destekli Güvenli İniş Sistemi Geliştirildi
Araştırmacılar, otonom kargo dronlarının kentsel alanlarda güvenli paket teslimatı yapabilmesi için yenilikçi bir yapay zeka sistemi geliştirdi. 'See&Say' adlı bu sistem, görsel algı ve dil modellerini birleştirerek dronların iniş yapacakları alanları dinamik olarak değerlendiriyor. Geleneksel yaklaşımlar sadece geometrik analiz veya görüntü segmentasyonuna odaklanırken, yeni sistem her iki yöntemi entegre ederek daha güvenilir karar verme sağlıyor. Sistem, tek kamerayla çekilen görüntülerdeki derinlik gradyanlarını açık-kelime dağarcığı algılama maskeleriyle birleştirerek güvenlik haritaları oluşturuyor. Bu teknolojik gelişme, kargo dronlarının karmaşık şehir ortamlarında güvenli teslimat yapabilmesi için kritik bir adım.
Yapay Zeka Modelleri Neden Nesnelerin Yönünü Anlayamıyor?
Çok modlu büyük dil modelleri (MLLM'ler), görüntülerdeki nesnelerin 2D yönelimini belirleme konusunda ciddi zorluklar yaşıyor. Yeni bir araştırma, bu sorunun kaynağını araştırarak görsel kodlayıcıların rolünü inceliyor. CLIP ve SigLIP gibi yaygın kullanılan kodlayıcıların, geometrik akıl yürütme yerine görüntü-metin anlamsal hizalama için eğitilmiş olmasının bu başarısızlığın temel nedeni olabileceği hipotezi test ediliyor. Araştırmacılar, LLaVA OneVision ve Qwen2.5-VL gibi modellerden elde edilen kodlayıcı temsillerinin rotasyon bilgisini koruyup korumadığını ölçmek için kontrollü deneysel protokoller tasarlıyor.