24 בספטמבר - מפגש AI, ML וראייה ממוחשבת

הצטרפו למפגש הווירטואלי שלנו ב-24 בספטמבר לשמוע הרצאות ממומחים על נושאים Cutting-edge בתחום AI, ML וראייה ממוחשבת. תאריך, שעה ומיקום 24 בספטמבר 2026 9:00 - 11:00 PST אונליין. הרשמה ל-Zoom! איך עקרונות ה-AI של מרצדס-בנץ מניעים את החדשנות שלנו? במרצדס-בנץ, עקרונות ה-AI שלנו מנחים כל צעד בחדשנות, מדגישים שימוש אחראי, אבטחת מידע ואמינות, הסברתיות והגנה על פרטיות. עקרונות אלו חורגים מהצהרות ומעצבם באופן פעיל את הדרך שבה אנו מעצבים, בודקים ומיישמים מערכות AI במגוון הגדרות רכב ועסקים בעולם האמיתי. בהרצאה זו, אני אציג כיצד עקרונות אלו הובילו את המחקר שלנו לאחרונה על מתי השימוש ב-LoRA (התאמה נמוכה) הוא יעיל. על ידי שילוב של ניתוח תיאורטי עם נתונים סינתטיים כשיפוט לסצנות עסקיות, חשפנו את החוזקות והמגבלות של רכיבי AI מודולריים תחת גישה מוגבלת לנתונים. הממצאים שלנו מספקים הנחיות מעשיות על מתי עשויות להיות תוצאות איכותיות גבוהות מה-LoRAs המשומשים. אודות הדוברת מי-יין צ'ן היא מדענית נתונים בכירה במרצדס-בנץ טק אינוביישן GmbH בגרמניה, עם 10 שנות ניסיון בתעשייה בתחום AI ופתרונות נתונים. היא מנהיגה פרויקטי AI בשלב התחלתי בכל הפונקציות העסקיות ומשתפת פעולה עם מוסדות מחקר על למידת מכונה ו-AI אחראי. טוקנים אזוריים כמקביל הוויזואלי: מהכרת התמונה לדוגמנות עולמית טוקניזציה מבוססת פצלים הפכה לראיון ברירת המחדל בין מקודדים ויזואליים לדגמים downstream, אך אין לפצלים מבנה סמנטי והם לא מתאימים היטב בעת שינוי רזולוציה וטווח זמן. בהרצאה זו מוצג תכנית מחקר המתמקדת בהחלפת טוקני פצלים עם ייצוגים ברמת אזור - טוקנים סמנטיים דחוסים מבוססים על ישויות ויזואליות ולא על חיתוכים אקראיים של רשת. אני אציג את RELOCATE, REN ו-T-REN, התקדמות של שיטות המפיקות טוקנים אזוריים באמצעות איגוד, מאמנים אותם עם מטרות ברמת אזור ומרחיבים אותם לוידאו עם עקביות זמנית. אני אציג גם עבודה מתמשכת שמשלבת טוקנים אזוריים ב-VLMs כדי להרחיב ישירות את קיבולת ההקשר הוויזואלי, ותוצאות מקדמיות על תחזיות מסלול אזורי עתידי כבסיס לדוגמנות עולמית. התזה הרחבה היא שטוקנים ברמת אזור הם יחידת חישוב ויזואלית טבעית יותר מאשר פצלים, והיתרון שלהם מתעצם ככל שהמורכבות של המשא ומתן, הרזולוציה והאופק הזמני גדלים. אודות הדוברת סאביה קושלה היא תלמידת שנה שניה לדוקטורט באוניברסיטת אילינוי אורבנה-שמפיין, בהנחיית פרופ' דרק הויים ופרופ' אלכס שוינג. ניצול מודלים של דיפוזיה מטקסט לתמונה לייצור סט-לסט עקבי אוספי תמונות הם הדרך הראשית של בני אדם לתפוס את העולם, אך ההתקדמות בעריכה גנרטיבית נותרה בעיקר לא ניתנת ליישום במודальность זו. אנו נוגעים בפער זה על ידי הצגת Match-and-Fuse - שיטה ללא אימון, בחינם, לייצור סט-לסט עקבי מאוספי תמונות שמשתפים אלמנט ויזואלי משותף אך שונים בנקודת מבט, זמן תפיסה ותוכן סביבתי. הרעיון המרכזי שלנו הוא מסגרת מבוססת גרפים מאוחדת שמחברת בין הקשרים צפופים עם פרי חוץ מתהוות במודלים של דיפוזיה מטקסט לתמונה כדי לייצר קנבסים עקביים. אנו משיגים עקביות ואיכות ויזואלית מה state-of-the-art, ומשחררים אפשרויות יצירתיות חדשות ליצירת תוכן. אודות הדוברת קייט פיינגולד היא תלמידת דוקטורט בראייה ממוחשבת במכון ויצמן למדע. מחקרה נמצא בצומת של מודלים גנרטיביים, תפיסה תלת-ממדית/ארבע-ממדית ולמידה מולטי-מודאלית, בהתמקדות על בעיות שבהן ראייה פוגשת מודליות או פרדיגמות אחרות במשימות יצירתיות. הערכת יבול של קפה בסביבה צפופה מצגת זו מספקת זרימת עבודה מפורטת הנוגעת להערכת יבול קפה בסביבה צפופה. עם תמונות של צמחי קפה טרם הקטיף מכמה מטעי קפה, פרטים הנוגעים לעיבוד מוקדם, תיוג כדי לגלות אזורי עניין (ROI), אימון זיהוי אובייקטים ותוצאות אינפרנס עם מודלים שונים של Yolo ולבסוף סגמנטציה עם SAM2 ו-Yolo*-seg עם תוצאות אימון ואינפרנס כדי לקבוע את מספר פירות הקפה הגולמיים, הטריים, המלאים והמיובשים ולבסוף את יבול כל המטע. כל זה מתבסס על נתונים מהעולם האמיתי שצולמו בטלפון iPhone ובטלפונים אנדרואיד. אודות הדובר ראגו מ. ראו הוא יועץ שעובד על יישומים של מודלי AI בראייה ממוחשבת. הוא היה בעבר עם AMD ו-Xilinx. יש לו דוקטורט בתקשורת אלחוטית מאוניברסיטת UCLA והוא חבר בכיר, IEEE. תחומי העניין הנוכחיים שלו הם ביישומים של AI בחקלאות, בריאות ותקשורת אלחוטית.