İçeriğe geç
CANLI Dün Yerli yapay zeka İridaa, kendi modeli “Kuzey”i devreye aldı: Tahmini skorlar rakiplerine göre nerede? 6 gün önce Bu Hafta AI Model Değerlendirmesi (2026-W46) 8 Kas 2026 OpenAI Uyarı Vermeden Hesap Kapatıyor: Aylık 200 Dolarlık Pro Aboneler Bile Etkilendi 8 Kas 2026 Yapay Zekâ 18 Yıllık Kuantum Varsayımını Üç Günde Çözdü: Aaronson-Ambainis Artık Bir Teorem 8 Kas 2026 Gemini 4 Flash ve Yeni Claude İçin İşaretler Artıyor: LMArena’da ‘Hydrogen’, Sızıntıda ‘Hyperion’ Zekâ endeksi lideri Claude Opus 5 (Adaptive Reasoning, Max Effort) · 63,1 16.11.2026
Bülten

arXiv 2607.15278

Çok Adımlı Görsel Akıl Yürütme için Hiyerarşik Gürültü Giderme

  • Zezhong Qian
  • Xiaowei Chi
  • Chak-Wing Mak
  • Tianze Zhou
  • Ruibin Yuan
  • Yuhan Rui
  • Hengzhe Sun
  • Zhuoqun Wu
  • Yuming Li
  • Siyuan Qian
  • Sirui Han
  • Shanghang Zhang

01 Özet

Giriş

Video modeller vizyon temeli modellerine dönüşüyor, ancak yine de insan benzeri çok adımlı akıl yürütmeden yoksunlar. Akış otoregresif difüzyon modelleri verimli ancak akıl yürütmede sınırlıdır, çift yönlü difüzyon ise yoğun çerçeve düzeyinde gürültü giderme nedeniyle yüksek çıkarım maliyetleri ile küresel revizyon sağlar. Her iki paradigma da karmaşık akıl yürütme görevleri için mantıksal tutarlılık ve düşük gecikmeli akış elde etmek için mücadele eder. Çok adımlı akıl yürütme için hiyerarşik latentleri nedensel video üretimine entegre eden birleşik bir çerçeve olan HDR’yi (Hierarchical Denoising for Visual Reasoning) öneriyoruz.

Araştırma Detayları

HDR, video latentlerini ağaç şeklinde yapılandırılmış bir hiyerarşi halinde düzenler ve çıktıyı akışlamadan önce kaba – ince akıl yürütmeyi sağlar. Kaba gürültü giderici katmanlar, küresel planlama için belirsiz hipotezleri korurken, daha ince katmanlar bunları aşamalı olarak somut görsel durumlara dönüştürür. Seyrek bir hiyerarşik dikkat örüntüsü (SHAP) zamansal dikkat maliyetlerini daha da azaltır. Labirent navigasyonu, Hanoi Kulesi, tek hatlı çizim, sürgülü bulmaca, Sokoban ve su dökme olmak üzere altı görevi kapsayan, dağıtım dışı durumlarla seviye katmanlı çok adımlı bir video akıl yürütme ölçütü sunuyoruz. Akış

Sonuçlar

otoregresif difüzyon temel çizgileriyle karşılaştırıldığında, HDR başarıyı 34.22 ‘den 60.29’ a (% 76.2 göreceli kazanç) yükseltir ve ortalama ilerlemeyi 76.00 ‘dan 89.56’ ya yükselterek daha tutarlı akıl yürütme yörüngeleri gösterir. HDR, çift yönlü difüzyondan 54,2 kat daha hızlı çıkarım elde ederek, gizil başına 0,70 saniyede düşük gecikmeli akışı sürdürür. Ayrıca, çift yönlü difüzyon için % 52,0 ile karşılaştırıldığında, yalnızca % 2 eğitim verisi ile tam veri performansının % 82,9 ‘unu korur. Gerçek dünyadaki robot deneyleri, HDR’nin fiziksel etkileşim ve dünya modellemesi potansiyelini daha da göstermektedir. Proje demosu: https://hierarchical-diffusion-reasoning.github.io/.

Yazarlar

Zezhong Qian, Xiaowei Chi, Chak-Wing Mak, Tianze Zhou, Ruibin Yuan, Yuhan Rui, Hengzhe Sun, Zhuoqun Wu, Yuming Li, Siyuan Qian, Sirui Han, Shanghang Zhang

Kategoriler

cs.CV

Kaynaklar

Video modeller vizyon temeli modellerine dönüşüyor, ancak yine de insan benzeri çok adımlı akıl yürütmeden yoksunlar. Akış otoregresif difüzyon modelleri verimli ancak akıl yürütmede sınırlıdır, çift yönlü difüzyon ise yoğun çerçeve düzeyinde gürültü giderme nedeniyle yüksek çıkarım maliyetleri ile küresel revizyon sağlar. Her iki paradigma da karmaşık akıl yürütme görevleri için mantıksal tutarlılık ve düşük gecikmeli akış elde etmek için mücadele eder. Çok adımlı akıl yürütme için hiyerarşik latentleri nedensel video üretimine entegre eden birleşik bir çerçeve olan HDR'yi (Hierarchical Denoising for Visual Reasoning) öneriyoruz. HDR, video latentlerini ağaç şeklinde yapılandırılmış bir hiyerarşi halinde düzenler ve çıktıyı akışlamadan önce kaba - ince akıl yürütmeyi sağlar. Kaba gürültü giderici katmanlar, küresel planlama için belirsiz hipotezleri korurken, daha ince katmanlar bunları aşamalı olarak somut görsel durumlara dönüştürür. Seyrek bir hiyerarşik dikkat örüntüsü (SHAP) zamansal dikkat maliyetlerini daha da azaltır. Labirent navigasyonu, Hanoi Kulesi, tek hatlı çizim, sürgülü bulmaca, Sokoban ve su dökme olmak üzere altı görevi kapsayan, dağıtım dışı durumlarla seviye katmanlı çok adımlı bir video akıl yürütme ölçütü sunuyoruz. Akış otoregresif difüzyon temel çizgileriyle karşılaştırıldığında, HDR başarıyı 34.22 'den 60.29' a (% 76.2 göreceli kazanç) yükseltir ve ortalama ilerlemeyi 76.00 'dan 89.56' ya yükselterek daha tutarlı akıl yürütme yörüngeleri gösterir. HDR, çift yönlü difüzyondan 54,2 kat daha hızlı çıkarım elde ederek, gizil başına 0,70 saniyede düşük gecikmeli akışı sürdürür. Ayrıca, çift yönlü difüzyon için % 52,0 ile karşılaştırıldığında, yalnızca % 2 eğitim verisi ile tam veri performansının % 82,9 'unu korur. Gerçek dünyadaki robot deneyleri, HDR'nin fiziksel etkileşim ve dünya modellemesi potansiyelini daha da göstermektedir. Proje demosu: https://hierarchical-diffusion-reasoning.github.io/.

02 PDF

Bu PDF başka bir sitede (arxiv.org) barındırılıyor ve sayfa içinde gösterilemiyor. Yukarıdaki düğmelerle yeni sekmede açabilir ya da indirebilirsiniz.

03 Kaynak göster

APA atıfı
Qian, Z., Chi, X., Mak, C., Zhou, T., Yuan, R., Rui, Y., Sun, H., Wu, Z., Li, Y., Qian, S., Han, S., & Zhang, S. (2026). Çok Adımlı Görsel Akıl Yürütme için Hiyerarşik Gürültü Giderme. arXiv. https://arxiv.org/abs/2607.15278
Paylaş
X LinkedIn WhatsApp Telegram Reddit Bluesky Threads E-posta

Yorumlar 0

Yorum yazın

Karakter: 0/1000

Henüz yorum yok. İlk yorumu siz yazın.