“yüz tanıma” için sonuçlar
9 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay Zeka Deepfake Tespitinde Metin Tabanlı Yeni Yaklaşım
Araştırmacılar, sahte yüz görüntülerini tespit etmek için CLIP yapay zeka modelinin metin özelliklerinden yararlanan yenilikçi bir yöntem geliştirdi. Separable Prompt Learning (SePL) adı verilen bu teknik, geleneksel görsel odaklı yaklaşımların aksine metin modalitesine odaklanarak deepfake tespitinde daha etkili sonuçlar elde ediyor. Yöntem, görüntülerdeki sahtelik belirtileri ile gerçek bilgileri ayrıştırarak, yapay zeka modelinin bu ayrımı daha doğru yapmasını sağlıyor. Bu gelişme, artan deepfake tehditlerine karşı daha güvenilir tespit sistemleri oluşturulması açısından önemli bir adım teşkil ediyor.
Yapay Zeka ile Yüz Morflama Saldırılarını Tek Fotoğraftan Tespit Etme
Yüz tanıma sistemlerini aldatmak için kullanılan morflama saldırıları, pasaport güvenliğinden dijital kimlik doğrulamaya kadar birçok alanda ciddi güvenlik açıkları yaratıyor. Araştırmacılar, bu saldırıları tek bir fotoğraftan tespit edebilen yenilikçi bir yapay zeka sistemi geliştirdi. R-FLoRA adlı sistem, yüksek frekanslı görüntü analizi ile büyük ölçekli görsel transformatör teknolojisini birleştirerek, sahte yüz görüntülerindeki gizli izleri ortaya çıkarabiliyor. Bu gelişme, güvenlik sistemlerinin kandırılmasını önlemede önemli bir adım olarak değerlendiriliyor.
Yüz ifadeleri ve kas hareketleri arasında çift yönlü öğrenme yapay zekası geliştirildi
Araştırmacılar, yüz ifadelerini ve yüz kaslarının hareketlerini birlikte analiz edebilen yeni bir yapay zeka sistemi geliştirdi. Geleneksel yaklaşımlar sadece kas hareketlerinden ifadelere doğru bilgi transferi yapabiliyordu, ancak yeni sistem her iki yönde de öğrenme gerçekleştirebiliyor. Sistem, farklı veri setlerindeki etiketleme farklılıklarını ve veri çeşitliliği sorunlarını çözmek için Yapısal Anlamsal Haritalama (SSM) framework'ünü kullanıyor. Bu teknoloji, duygusal davranış analizi, insan-bilgisayar etkileşimi ve psikolojik araştırmalar gibi alanlarda önemli uygulamalara sahip olabilir.
Yüz şablonlarından kimlik koruyan fotoğraflar yeniden oluşturuluyor
Yüz tanıma sistemlerinde güvenlik amacıyla kullanılan facial template'ler, aslında kişilerin kimliklerini gizlemek için tasarlanmıştı. Ancak yeni geliştirilen LBFTI teknolojisi, bu şablonlardan gerçekçi yüz görüntüleri yeniden oluşturabiliyor. Araştırmacılar, yüz görüntülerini üç katmana ayırarak - ön plan (kaş, göz, burun, ağız), orta plan (cilt) ve arka plan (diğer bölümler) - her katman için özel üreticiler kullanıyor. Üç aşamalı eğitim stratejisi ile çalışan sistem, önce katmanları bağımsız olarak oluşturuyor, sonra bunları birleştirerek tam panoramik yüz görüntüleri üretiyor. Bu gelişme, yüz tanıma sistemlerinin gizlilik açısından ne kadar riskli olabileceğini gösteriyor ve biometrik veri güvenliği konusunda yeni tartışmaları beraberinde getiriyor.
Cep telefonları için hızlı yaş tahmin sistemi geliştirildi: MobileAgeNet
Araştırmacılar, akıllı telefonlarda çalışabilen yeni bir yapay zeka sistemi geliştirdiler. MobileAgeNet adı verilen bu sistem, bir kişinin fotoğrafına bakarak yaşını ortalama 4,65 yıl hata payıyla tahmin edebiliyor. En önemli özelliği ise bu işlemi sadece 14,4 milisaniyede tamamlayabilmesi. Sistem, mobil cihazlar için özel olarak optimize edilmiş MobileNetV3-Large mimarisini temel alıyor ve iki aşamalı eğitim stratejisi kullanıyor. UTKFace veri seti üzerinde test edilen sistem, hem hız hem de doğruluk açısından rekabetçi sonuçlar elde etti. Bu gelişme, mobil uygulamalarda gerçek zamanlı yaş tahmini, güvenlik sistemleri ve demografik analiz gibi alanlarda kullanım potansiyeli taşıyor. Araştırma, yapay zekanın mobil cihazlarda verimli çalışması konusunda önemli bir adım teşkil ediyor.
NullFace: Yüz Gizliliğinde Yeni Dönem, Eğitim Gerektirmeyen Anonimleştirme
Artan kamera sayısı ile birlikte yüz gizliliği endişeleri de artıyor. Mevcut anonimleştirme yöntemleri kimlik bilgilerini gizlerken görüntünün kullanışlılığını kaybediyor. Araştırmacılar, önceden eğitilmiş yapay zeka modellerini kullanan ve ek eğitim gerektirmeyen yeni bir yüz anonimleştirme sistemi geliştirdi. NullFace adlı bu sistem, kişinin kimliğini gizlerken yaş, cinsiyet gibi kimlikle ilgili olmayan özelliklerini koruyor. Sistem ayrıca kullanıcılara hangi yüz bölgelerinin gizleneceğini seçme imkanı da sunuyor. Mevcut en gelişmiş yöntemlerle yapılan karşılaştırmalarda üstün performans gösteren bu yaklaşım, gizlilik ve kullanışlılık dengesinde önemli bir adım.
Yapay Zeka Temelli Yeni Sistem Sahte Yüz Fotoğraflarını Tespit Ediyor
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.
DenseMarks: İnsan Yüzleri İçin Yapay Zeka Tabanlı Yoğun Haritalama Sistemi
Araştırmacılar, insan kafası görüntülerinde yüksek kaliteli yoğun karşılık bulma işlemini gerçekleştirebilen DenseMarks adlı yeni bir yapay zeka sistemi geliştirdi. Vision Transformer ağı kullanılan bu sistem, 2D insan kafası görüntülerindeki her piksel için 3D gömme vektörleri tahmin ediyor ve bunları kanonik bir küp uzayına yerleştiriyor. Sistem, çeşitli konuşan kafa videolarından toplanan nokta eşleştirme verileriyle eğitildi. Yüz işaretleri ve segmentasyon kısıtlarıyla desteklenen çok görevli öğrenme yaklaşımı, uzamsal süreklilik sağlayarak yorumlanabilir ve sorgulanabilir kanonik bir uzay oluşturuyor. Bu teknoloji, ortak semantik parçaları bulma, yüz/kafa takibi ve stereo rekonstrüksiyon uygulamalarında kullanılabiliyor.
Yapay Zeka Öğretmenleri Artık Yüz İfadelerini Okuyabiliyor
Araştırmacılar, büyük dil modellerinin (LLM) yüz ifadelerini anlayarak daha empatik öğretmenlik yapabilmesini sağlayan yeni bir yöntem geliştirdi. Sistem, öğrencilerin kafa karışıklığı, hayal kırıklığı veya ilgi seviyelerini yüz ifadelerinden okuyarak buna uygun yanıtlar verebiliyor. Çalışmada, sadece metin tabanlı sistem yerine yüz ifadesi analizini entegre eden yapay zeka öğretmenlerinin çok daha etkili olduğu kanıtlandı. Bu teknoloji, online eğitimde öğrenci deneyimini büyük ölçüde iyileştirebilir.