“görsel dikkat” için sonuçlar
5 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Çekici yüzler gözlerimizi çeker ama dikkatimizi ele geçiremez
Yeni bir göz izleme araştırması, çevremizi tararken güzelliği fark etmediğimizi, ancak gözlerimizi hareket ettirdiğimizde bakışlarımızın doğal olarak çekici yüzlere yöneldiğini ortaya koydu. Bu keşif, nereye bakmayı seçtiğimizin arkasındaki sosyal biyolojiyi aydınlatıyor. Çalışma, periferal dikkat ve aktif bakış yönlendirmesi arasındaki farkı vurguluyor.
Otonom Araçlar İçin Yeni Bakış Takip Sistemi: Metinden Nesneye Geçiş
Araştırmacılar, otonom araçların sürücü davranışlarını daha iyi taklit edebilmesi için yeni bir görsel dikkat tahmin sistemi geliştirdi. Mevcut sistemler sadece genel sahne görüntülerini analiz edebiliyordu, ancak yeni yaklaşım her bir nesneyi ayrı ayrı değerlendiriyor. G-W3DA adı verilen özel veri seti kullanılarak geliştirilen sistem, büyük dil modellerini görüntü segmentasyonu teknolojisi ile birleştiriyor. Bu sayede otonom araçlar, yalnızca nereye bakması gerektiğini değil, hangi nesnelere odaklanması gerektiğini de öğrenebiliyor. Sistem, sürücülerin dikkatini nesne düzeyinde modelleyerek daha güvenli ve insan benzeri sürüş davranışları sergileyebilir.
Yapay Zeka Artık İnsan Gözü Gibi Kodu Okuyabiliyor
Araştırmacılar, kod yazan yapay zeka modellerini insan geliştiricilerin görsel dikkat kalıplarını taklit edecek şekilde eğiten yeni bir teknik geliştirdiler. EyeMulator adı verilen bu yöntem, göz takibi verilerini kullanarak yapay zekanın hangi kod parçalarına odaklanması gerektiğini öğretiyor. İnsan programcıların kod okurken hangi bölümlere baktıklarını analiz eden sistem, bu bilgiyi yapay zeka modellerinin eğitim sürecine dahil ediyor. Test sonuçları, bu yaklaşımın kod çevirisinde %30'dan fazla, kod özetlemede ise %22'ye varan performans artışları sağladığını gösteriyor. Çalışma, yapay zekanın sadece istatistiksel bağlantıları değil, insan benzeri dikkat mekanizmalarını da kullanabileceğini kanıtlıyor.
Yapay Zeka Gözlük Gibi Takıldı: Görsel Dikkat ile Resim Büküm Teknolojisi
Araştırmacılar, çok modlu büyük dil modellerinin görsel algı sorunlarına yenilikçi bir çözüm geliştirdi. AttWarp adlı bu yöntem, yapay zekanın dikkat mekanizmasını kullanarak görüntüleri akıllıca bükerek önemli detayları büyütüyor. Sistem, modelin önemsediği bölgelere daha fazla çözünürlük ayırırken, daha az bilgi içeren alanları sıkıştırıyor. Bu yaklaşım sayesinde yapay zeka, küçük nesneleri ve ince detayları daha iyi algılayabiliyor. Beş farklı benchmark testinde yapılan değerlendirmeler, yöntemin başarısını kanıtladı. En önemlisi, bu iyileştirme model ağırlıklarını değiştirmeden gerçekleştiriliyor.
Yapay Zeka Görsel Zeka Testlerinde İnsanların Yarısı Kadar Başarılı
Araştırmacılar, çok modlu büyük dil modellerinin (MLLM) görsel-bilişsel yeteneklerini test etmek için 'Mind's Eye' adlı yeni bir değerlendirme sistemi geliştirdi. Klasik insan zeka testlerinden esinlenen bu sistem, soyutlama, ilişki kurma ve dönüştürme kategorilerinde sekiz farklı görsel görev içeriyor. Test sonuçları, insanların %80 başarı oranına ulaştığı bu görevlerde en iyi performans gösteren yapay zeka modellerinin %50'nin altında kaldığını ortaya koydu. Bu çalışma, mevcut yapay zeka sistemlerinin görsel dikkat dağıtımı, zihinsel manipülasyon ve soyut kavram çıkarımı konularında önemli eksiklikleri olduğunu gösteriyor.