950 makale — arXiv, NeurIPS, ICML, ACL ve Türk üniversitelerinden seçtiğimiz çalışmalar. Her birinin Türkçe özeti, içindekiler ve aihaber okuma görünümü var. Kayıt gerekmez.
Vision-language models (VLMs) show promise for agricultural diagnosis but fail unpredictably in zero-shot settings. We test whether this stems from poor visual features or an inability to verbalize what the model already…
Segmenting a new microscopy dataset usually means training a deep network on its annotations, and training again for every added image. Exemplar solves a segmentation readout in closed form and updates it exactly with ea…
Geleneksel birleşik öğrenme (FL), istemcileri iki kat homojen olmaya zorlayan parametre ortalamasına dayanır: özdeş bir mimari gerektirir ve IID olmayan veriler altında bozulur. Gerçek dünyadaki dağıtımlar genellikle her…
We introduce ClusterAttention, a general training-free speedup of bidirectional attention at large token counts. We point out two common assumptions in contemporary training-free methods; attention sparsity, and context …
High-fidelity image-to-3D generation requires a 3D representation that captures both geometry and appearance. However, preserving fine detail across the physically based rendering (PBR) modalities needed for relighting r…
Pi0.5 gibi son teknoloji ürünü görüş-dil-eylem (VLA) modelleri, güçlü anlamsal anlayış, talimat takibi ve görev davranışı sergiler. Bununla birlikte, yeni robotlara yerleştirildiğinde, donanım konfigürasyonundaki ön eğit…
Çok modlu büyük dil modelleri (MLLM'ler) için kişisel gelişim, genellikle yalnızca kaba skaler geri bildirim sağlayan ödül tabanlı yöntemlerle sağlanır. Damıtma, yoğun belirteç düzeyinde denetim yoluyla daha zengin bir a…
Dünya kendi dinamiklerini, yani hareket yasalarını takip ederek gelişir. Ancak önde gelen video dağıtım modelleri, piksellerin zaman içinde nasıl geçiş yaptığını modellemeden piksellere büyük ölçüde uyum sağlıyor. Bu ned…
Büyük dil modeli (LLM) aracılarının güvenliği yalnızca model ağırlıklarına değil aynı zamanda bağlamı, belleği, araçları, izinleri ve çalışma zamanı kontrolünü yöneten aracı donanımına da bağlıdır. Mevcut güvenlik mekani…
Multimodal Large Language Models (MLLMs) exhibit strong visual understanding, yet the internal features that cause these behaviors remain difficult to identify, audit, or control. While applicable to post-hoc inspection,…
Diffusion models have demonstrated remarkable effectiveness in image restoration tasks. However, when guiding image reconstruction, existing Diffusion Model-based Image Restoration (DMIR) methods typically rely on fixed …
Multispectral object detection combines visible and thermal imagery to improve perception under challenging illumination and environmental conditions. However, differences in modality appearance and reliability can intro…
Predictive world models enable robots to simulate the visual outcomes of their actions, but state-of-the-art diffusion-based models remain costly because generating each rollout requires multi-step iterative denoising. W…
Large language models (LLMs) are widely used in text-to-image (T2I) systems, but they are typically limited to text encoding, while denoising is handled by newly trained generative backbones. The emergence of representat…
Vehicle color recognition is an important cue for vehicle identification in surveillance systems, especially when license plates are illegible due to low resolution, occlusion, motion blur, or poor illumination. However,…