“bilgisayar görü” için sonuçlar
52 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay Zeka Görüntüleri Tanıyor Ama Sayamıyor: Araştırmacılar Çözüm Arıyor
Günümüzün yapay zeka sistemleri görüntüleri tanımlayabiliyor, nesneleri ayırt edebiliyor ve karmaşık ilişkileri açıklayabiliyor. Görsel-dil modelleri olarak adlandırılan bu sistemler, metin ve görüntü anlayışını etkileyici şekillerde birleştiriyor. Ancak şaşırtıcı bir şekilde, görünüşte basit olan sayma işleminde zorlanıyorlar. Hof Uygulamalı Bilimler Üniversitesi araştırmacıları, yapay zekanın bu temel eksikliğini gidermek için yeni çalışmalar yürütüyor. Bu durum, AI teknolojisinin hızla gelişmesine rağmen bazı temel bilişsel yeteneklerde hala sınırları olduğunu gösteriyor.
Yapay zeka yusufçuk ve kızböceklerinin renklerini otomatik tespit edebilecek
Araştırmacılar, iklim değişikliğinin böceklerin fiziksel özelliklerine etkisini daha hızlı inceleyebilmek için yeni bir yapay zeka sistemi geliştirdi. Sistem, yusufçuk ve kızböceği (Odonata) fotoğraflarından vücut parçalarını otomatik olarak ayırt ediyor ve her bölümün renklerini çıkarıyor. Geleneksel yöntemlerle böcek özelliklerini analiz etmek çok zaman alıyor ve pahalı. Bu yeni yaklaşım, vatandaş bilimi platformlarından alınan açık kaynak görüntüleri kullanarak büyük ölçekli analizlere olanak tanıyor. Derin öğrenme algoritmaları sayesinde böceklerin baş, göğüs, karın ve kanat bölümlerini hassas şekilde segmentlere ayırabiliyor ve her parçanın renk paletini oluşturuyor.
Biyolojik Dizileri Görüntüye Dönüştüren Yeni Yöntem Keşfedildi
Araştırmacılar, DNA ve protein gibi biyolojik dizileri geometrik görüntülere dönüştürebilen yenilikçi bir kodlama sistemi geliştirdi. MS-RCGR adı verilen bu yöntem, karmaşık biyolojik verileri farklı çözünürlüklerde analiz etmeyi mümkün kılıyor. Sistem, geleneksel makine öğrenmesi, bilgisayar görüşü ve hibrit yaklaşımları bir araya getiriyor. En önemlisi, dönüştürme işlemi tamamen geri çevrilebilir, yani hiçbir veri kaybı yaşanmıyor. Bu gelişme, biyoinformatik alanında dizilerin sınıflandırılması ve analizi için yeni kapılar açıyor.
FlashFPS: Büyük Ölçekli 3D Nokta Bulutları İçin Hızlandırma Yöntemi
Araştırmacılar, 3D nokta bulutlarını işleyen yapay sinir ağlarında kritik bir darboğaz olan En Uzak Nokta Örneklemesi (FPS) işlemini önemli ölçüde hızlandıran yeni bir yöntem geliştirdi. FlashFPS adlı bu sistem, gereksiz hesaplamaları ayıklayarak ve sonuçları önbelleğe alarak işlem süresini dramatik olarak azaltıyor. Yöntem, büyük ölçekli 3D veri işleme uygulamalarında performans sorunlarını çözmek için tasarlandı ve mevcut sistemlere kolayca entegre edilebilen donanım-bağımsız bir çözüm sunuyor.
Yapay Zeka ile 3D Sahneleri Tutarlı Şekilde Düzenleme Yöntemi Geliştirildi
Araştırmacılar, 3D sahnelerin metin komutlarıyla düzenlenmesinde yaşanan görüş tutarsızlığı sorununu çözen yeni bir yöntem geliştirdi. Mevcut teknikler farklı açılardan render edilen görüntüleri ayrı ayrı düzenleyip optimize ettiği için tutarsızlıklar ortaya çıkıyordu. Yeni yaklaşım, çoklu görüntü düzenlemeyi ortak dağılım modelleme perspektifinden ele alarak, farklı bakış açıları arasındaki bağımlılıkları açıkça düzenleme sürecine dahil ediyor. Bu sayede sanal gerçeklik, oyun tasarımı ve dijital içerik üretiminde daha tutarlı sonuçlar elde edilebiliyor.
Yapay Zeka Modelleri Artık Unutmadan Yeni Bilgiler Öğrenebilecek
Araştırmacılar, yapay zeka modellerinin yeni kategorileri öğrenirken eski bilgilerini kaybetme sorununu çözen yeni bir yöntem geliştirdi. GR4CIL adlı bu sistem, CLIP modellerinin sürekli öğrenme yeteneğini artırarak, daha önce öğrenilen bilgileri korurken yeni kavramları edinmeyi sağlıyor. Geleneksel yapay zeka modelleri yeni verilerle eğitildiğinde eski bilgilerini unutma eğiliminde, ancak bu yeni yaklaşım görev odaklı bilgi yönlendirme ve ortogonal telafi mekanizması kullanarak bu sorunu aşıyor. Sistem, görsel ve metinsel bilgiyi ayrı şekilde işleyerek görevler arası müdahaleyi azaltıyor.
Yapay zeka artık kamufle nesneleri daha iyi tespit edebiliyor
Araştırmacılar, çevresiyle karışan kamufle nesneleri tespit etmek için yeni bir yapay zeka sistemi geliştirdi. BASFNet adı verilen bu sistem, uzamsal ve frekans alanı bilgilerini birleştirerek çalışıyor. Geleneksel yöntemler genellikle sadece kenar tespiti ve yerel piksel bilgilerine odaklanırken, yeni yaklaşım hem global yapısal özellikleri hem de faz spektrumu bilgilerini kullanıyor. Bu teknoloji, askeri uygulamalardan biyolojik araştırmalara kadar geniş bir kullanım alanına sahip olabilir.
Çizimden 3D Nesne Arama: Yeni Yapay Zeka Modeli Geliştirendi
Araştırmacılar, elle çizilen basit eskizlerden 3D nesneleri bulabilen yeni bir yapay zeka sistemi geliştirdi. Multi-View Hierarchical Graph Neural Network (MV-HGNN) adlı bu sistem, geleneksel yöntemlerin aksine 3D nesnelerin farklı açılardan görünümlerini hiyerarşik graf ağları ile analiz ediyor. Sistem, çizim ve 3D model arasındaki karmaşık geometrik ilişkileri daha iyi anlayarak, daha önce görmediği nesne kategorilerinde bile başarılı sonuçlar elde edebiliyor. Bu gelişme, sanal gerçeklik, oyun tasarımı ve endüstriyel modellemede önemli uygulamalara sahip olabilir.
Yapay Zeka Artık Uzun Videolarda Tutarlı Sahneler Üretebiliyor
Araştırmacılar, uzun süreli video üretiminde karşılaşılan temel sorunlardan birini çözen yenilikçi bir yapay zeka sistemi geliştirdi. Geleneksel yöntemler, kamera hareket ettiğinde aynı sahneye geri döndüğünde tutarsız içerikler üretiyordu. Yeni sistem, hafıza kontrolünü video üretiminden ayırarak bu sorunu çözüyor. Hafif bir hafıza dalı kullanarak geçmiş gözlemlerden öğrenen sistem, hem mekânsal tutarlılığı korumakta hem de yeni alanları keşfetme yetisini sürdürmekte. Bu gelişme, sanal gerçeklik, sinema ve oyun sektörlerinde devrim yaratabilir.
AI Artık Az Örnekle Görüntülerdeki İnce Ayrıntıları Ayırt Edebiliyor
Yapay zeka sistemleri genellikle görüntüleri sınıflandırmak için binlerce örneğe ihtiyaç duyar. Ancak yeni geliştirilen ARF-SFR-Net sistemi, sadece birkaç örnekle bile çok benzer görüntüleri birbirinden ayırabilmeyi başarıyor. Sistem, görüntülerdeki hem mekansal hem de frekans özelliklerini analiz ederken, farklı kategoriler için en uygun görüş alanı boyutunu otomatik olarak belirliyor. Bu teknoloji, tıbbi görüntüleme, kalite kontrol ve nadir türlerin tanımlanması gibi alanlarda devrim yaratabilir. Araştırmacılar, sistemin mevcut episodik eğitim yöntemlerine kolayca entegre edilebileceğini ve çoklu benchmark testlerinde etkili sonuçlar verdiğini bildiriyor.
Gürültülü 3D Verileri Temizlemek İçin Yeni Değerlendirme Yöntemi Geliştirildi
Araştırmacılar, gerçek dünyadan elde edilen gürültülü 3D nokta bulutu verilerini temizleme işlemlerini değerlendirmek için yenilikçi bir yöntem geliştirdi. UGD (Denetimsiz Geometrik Mesafe) adlı bu teknik, geleneksel yöntemlerin aksine temiz referans verilere ihtiyaç duymadan çalışıyor. Mevcut değerlendirme sistemleri hem temizlenmiş hem de orijinal temiz verileri karşılaştırarak ölçüm yapıyordu, ancak gerçek uygulamalarda böyle referans veriler genellikle mevcut değil. Yeni sistem, temiz nokta bulutlarından öğrenilen örüntüleri kullanarak bir referans model oluşturuyor ve bu modeli temel alarak temizleme işleminin kalitesini değerlendiriyor. Bu gelişme, otonom araçlar, robotik ve 3D modelleme gibi alanlarda nokta bulutu temizleme teknolojilerinin gerçek dünya uygulamalarında önemli ilerlemeler sağlayabilir.
Yapay Zeka Bisikletçi ve Yaya Kazalarını Önlemek İçin Gerçek Zamanlı Uyarı Sistemi
Araştırmacılar, şehir kavşaklarında bisikletçi ve yaya çarpışmalarını önlemek için yenilikçi bir erken uyarı sistemi geliştirdi. Tek bir uç cihazda çalışan sistem, ultra-geniş açılı balık gözü kamera kullanarak saniyede 30 kare hızında görüntü işleyebiliyor. Sistem, tehlikeli durumları tespit ettiğinde hem sesli hem de görsel uyarılar veriyor. Araştırmanın en önemli yeniliği, geleneksel kamera sistemlerinin aksine çok daha geniş bir görüş alanı sunması ve karmaşık şehir ortamlarında bile güvenilir performans göstermesi. Özellikle bisikletçiler ve yayaların herhangi bir cihaz taşımalarına gerek kalmadan korunmalarını sağlayacak bu teknoloji, kentsel güvenlik açısından büyük bir potansiyel taşıyor.
Yapay Zeka Modelleri Görselleri Yeteri Kadar Analiz Etmiyor
Stanford araştırmacıları, görsel-dil modellerinin beklenenden çok daha fazla metinsel açıklamalara dayandığını ve görsel bilgileri yeterince kullanmadığını keşfetti. Bu durum 'metin kısayolu öğrenmesi' olarak adlandırılıyor. Araştırmacılar, modellerin görsel güvenilirliğini test etmek için çelişkili metin-görsel çiftleri kullanarak yeni bir değerlendirme sistemi geliştirdi. Geometrik şekiller üzerinde yapılan deneyler, standart CLIP modelinin yanıltıcı metinlerle karşılaştığında performansının %27,5 düştüğünü gösterdi. Ancak optimize edilmiş versiyonda bu düşüş %9,8'e kadar azaltıldı. Bu bulgular, yapay zekanın görsel anlama kapasitesini geliştirmek için daha sofistike eğitim yöntemlerine ihtiyaç olduğunu ortaya koyuyor.
Ouroboros: Görüntü İşlemede Çift Yönlü Yapay Zeka Modeli Geliştirdi
Araştırmacılar, görüntü oluşturma ve analiz etme işlemlerini tek seferde gerçekleştiren yenilikçi bir yapay zeka sistemi geliştirdi. Ouroboros adlı bu sistem, bir görüntüden 3D sahne bilgilerini çıkarabilirken, aynı zamanda bu bilgilerden tekrar görüntü oluşturabiliyor. Geleneksel yöntemlerin aksine, bu iki işlemi birbirini destekleyecek şekilde aynı anda yaparak hem daha tutarlı sonuçlar elde ediyor hem de işlem süresini önemli ölçüde kısaltıyor. Sistem, iç mekan ve dış mekan sahnelerinde eşit başarı gösterirken, video işleme alanında da ek eğitim gerektirmeden kullanılabiliyor.
AI ajanlarının halüsinasyonları artık tespit edilip önlenebiliyor
Yapay zeka destekli grafik arayüz ajanları, bilgisayar ekranlarını insan gibi kullanabilen gelişmiş sistemler olmasına rağmen, gerçek dışı algılar yaşayarak hatalı işlemler yapabiliyorlar. Bu durum özellikle gerçek dünya uygulamalarında ciddi sorunlara yol açıyor. Stanford araştırmacıları, bu soruna çözüm getirmek için HalluClear adlı kapsamlı bir sistem geliştirdi. Sistem, GUI ajanlarındaki halüsinasyonları kategorize ederek tanımlayabiliyor, güvenilir değerlendirme yöntemleri kullanabiliyor ve hafif eğitim teknikleriyle bu sorunları azaltabiliyor. Bu gelişme, AI ajanlarının daha güvenilir hale gelmesi açısından kritik önem taşıyor.
Videolardaki İlişkileri Yorumlayabilen Yeni Yapay Zeka Modeli Geliştirildi
Araştırmacılar, videolardaki nesneler ve aralarındaki ilişkileri daha iyi anlayabilen yeni bir yapay zeka modeli geliştirdi. FReMuRe adlı bu model, özellikle nadir görülen ilişkileri tespit etmede başarılı oluyor. Video analizinde yaşanan temel sorunlardan biri, bazı nesne ilişkilerinin çok sık, bazılarının ise çok nadir görülmesi. Bu durum yapay zekanın nadir ilişkileri öğrenmesini zorlaştırıyor. Yeni model, sık ve nadir ilişkileri ayrı ayrı işleyerek bu sorunu çözüyor. Araştırma, video analizi, güvenlik sistemleri ve içerik moderasyonu gibi alanlarda önemli iyileştirmeler sağlayabilir. Model ayrıca belirsizlik tahminleri yapabilen özel başlıklar kullanarak daha güvenilir sonuçlar üretiyor.
Yapay Zeka Görsel Anlama Teknolojisinde Hiperbolik Geometri Devrimi
Araştırmacılar, yapay zekanın görsel sahneleri anlaması için yeni bir yaklaşım geliştirdi. Geleneksel yöntemler nesneler ve ilişkiler arasındaki hiyerarşik yapıları tam olarak yakalayamıyordu. Yeni HSG sistemi, hiperbolik geometriyi kullanarak bu sorunu çözüyor. Bu özel geometrik uzay, nesneler arasındaki hiyerarşik ilişkileri doğal olarak kodlayabiliyor. Sistem, sahnelerdeki objeleri ve aralarındaki bağlantıları daha yapısal bir şekilde öğreniyor. Test sonuçları, yöntemin grafik seviyesindeki performansını önemli ölçüde artırdığını gösteriyor. Bu gelişme, robot görüşü, otonom araçlar ve artırılmış gerçeklik uygulamaları için önemli.
Yapay Zeka İnsan Hareketlerini 3D Olarak Daha Doğru Tahmin Edebiliyor
Bilgisayar görüşü alanında önemli bir yenilik gerçekleşti. Araştırmacılar, 2D görüntülerden 3D insan pozlarını tahmin etmek için hibrit bir yapay zeka modeli geliştirdi. MixTGFormer adı verilen bu sistem, geleneksel Transformer ağlarını grafik sinir ağları ile birleştirerek hem global hem de lokal özellikleri etkili şekilde analiz ediyor. Yeni yaklaşım, insan iskelet yapısının uzamsal ve zamansal ilişkilerini iki paralel kanal üzerinden aynı anda modelleyebiliyor. Bu teknoloji, spor analizi, sağlık izleme, sanal gerçeklik uygulamaları ve hareket yakalama sistemleri gibi birçok alanda devrim yaratma potansiyeli taşıyor. Sistem, özellikle iskelet eklemlerinin birbirleriyle olan yerel bağlantılarını ve farklı kanallar arası bilgi akışını daha iyi anlayarak, mevcut yöntemlere göre daha hassas sonuçlar üretiyor.
Yapay Zeka Artık Gürültülü Verilerle de Yeni Nesneleri Tanıyabiliyor
Araştırmacılar, yapay zekanın hiç görmediği nesneleri tanıyabilme yeteneğini geliştiren yeni bir sistem tasarladı. Sıfırdan öğrenme (zero-shot learning) olarak bilinen bu teknoloji, genellikle temiz ve düzenli verilerle çalışırken, gerçek dünyada karşılaşılan gürültülü ve belirsiz etiketlerle zorlanıyor. Yeni geliştirilen DVSA sistemi, görsel ve anlamsal bilgileri dinamik olarak hizalayarak bu sorunu çözüyor. Sistem, dikkat mekanizması kullanan çift yönlü hizalama modülü ve karşıtsal öğrenme teknikleriyle çalışıyor. Ayrıca, yanlış etiketleri iteratif olarak düzelten dinamik bir mekanizma sayesinde anlamsal tutarlılığı korurken performansını artırıyor.
Renkli 3D Nokta Bulutları İçin Yeni Kayıt Yöntemi: GeGS-PCR
Araştırmacılar, 3D nokta bulutlarının kayıt işleminde devrim niteliğinde bir yöntem geliştirdi. GeGS-PCR adlı bu sistem, geleneksel yöntemlerin aksine sadece geometrik bilgilere değil, aynı zamanda renk ve Gaussian bilgilerine de dayanıyor. Özellikle düşük örtüşme oranına sahip veya eksik veri içeren senaryolarda güçlü performans sergiliyor. İki aşamalı yaklaşım benimseyen sistem, çok seviyeli renk kodlayıcısı ve Geometric-3DGS modülü ile yerel komşuluk bilgilerini işleyerek küresel olarak değişmeyen bir geometrik-renk bağlamı oluşturuyor. LORA optimizasyonu sayesinde yüksek performansı korurken, hızlı diferansiyellenebilir render tekniği ile kayıt sürecini iyileştiriyor. Bu yenilik, robotik, otonom araçlar ve artırılmış gerçeklik uygulamalarında kritik öneme sahip 3D görü sistemlerinde önemli gelişmelere kapı açabilir.
Yapay Zeka Artık Nesne Dönüşümlerini Birinci Şahıs Bakışla Görebiliyor
Araştırmacılar, yapay zekanın insan bakış açısından nesne dönüşümlerini anlayabilmesi için yeni bir sistem geliştirdi. EgoIn adlı bu framework, bir nesnenin başlangıç ve hedef durumları arasındaki ara geçiş süreçlerini tahmin edebiliyor. Sistem, örneğin bir elmanın nasıl dilimlendiğini veya bir kutunun nasıl açıldığını birinci şahıs perspektifinden modelleyebiliyor. Bu gelişme, robotik sistemlerin insan hareketlerini daha iyi anlaması ve taklit etmesi açısından büyük önem taşıyor. Teknoloji, özellikle insanlar ve makineler arasındaki etkileşimi güçlendirmek için kritik bir köprü görevi üstleniyor.
SpaceDex: Robot Elleri İçin Yeni Nesil Kavrama Teknolojisi
Araştırmacılar, dar ve engelli alanlarda çalışabilen gelişmiş robot elleri için SpaceDex adında yeni bir sistem geliştirdi. Geleneksel robotik kavrama sistemleri genellikle açık masa üstü ortamlarda test edilirken, gerçek dünyada robotlar raflar, dolaplar ve katmanlı çalışma alanları gibi kısıtlı mekanlarda çalışmak zorunda kalıyor. SpaceDex, bu zorluğu Vision-Language Model tabanlı planlayıcısı ve hiyerarşik kontrol yapısıyla çözüyor. Sistem, birden fazla kamera görüntüsünden engelleri analiz edip yükseklik ilişkilerini değerlendirerek, robot kolu navigasyonu ve el manipülasyonunu ayrı ayrı optimize ediyor. Bu teknolojik ilerleme, ev robotları, endüstriyel otomasyon ve dar alanlarda çalışması gereken robotik sistemler için önemli bir adım teşkil ediyor.
ReTrack: Video aramada çok modalı sorgulamayı geliştiren yeni yapay zeka sistemi
Araştırmacılar, video arama teknolojisinde yeni bir dönem başlatacak ReTrack adlı yapay zeka sistemini geliştirdi. Bu sistem, kullanıcıların bir referans video ve metin açıklaması birleştirerek aradıkları videoyu bulmasını sağlıyor. Geleneksel video arama yöntemlerinin aksine, ReTrack hem görsel hem de metinsel bilgileri etkili bir şekilde harmanlayarak daha isabetli sonuçlar üretiyor. Sistemin en önemli yeniliği, video ve metin verilerinin farklı yoğunluktaki bilgilerini dengeleyebilmesi. Bu teknoloji, sosyal medya platformlarından eğitim içeriklerine kadar geniş bir yelpazede video aramasını devrimsel bir şekilde değiştirebilir.
Yapay zeka gerçek dünya karmaşasıyla başa çıkmayı öğreniyor
Araştırmacılar, gerçek dünya ortamlarında sıkça karşılaştığımız geçici engeller ve dikkat dağıtıcı unsurlarla başa çıkabilen yeni bir yapay zeka sistemi geliştirdi. MU-GeNeRF adındaki bu sistem, az sayıda görüntüden üç boyutlu sahne rekonstrüksiyonu yaparken, hareket eden nesneler, geçici engeller ve tutarsız yapılar gibi unsurları ayırt edebiliyor. Geleneksel sistemler bu tür dikkat dağıtıcı unsurları tespit etmekte zorlanıyor ve çoğunlukla sabit yapıları yanlışlıkla engel olarak değerlendiriyordu. Yeni yaklaşım, çok görüş açısından belirsizlik analizi yaparak bu sorunu çözüyor ve daha güvenilir 3D sahne rekonstrüksiyonu sağlıyor. Bu gelişme, artırılmış gerçeklik, robotik navigasyon ve otonom araçlar gibi alanlarda önemli uygulamalara sahip.