24 вересня - Зустріч з AI, ML та комп'ютерним зором

Приєднуйтесь до нашої віртуальної зустрічі 24 вересня, щоб прослухати доповіді експертів на новітні теми в галузі AI, ML та комп'ютерного зору. Дата, час та місце проведення 24 вересня 2026 року 9:00 - 11:00 за тихоокеанським часом Онлайн. Зареєструйтесь на Zoom! Як принципи AI Mercedes-Benz сприяють нашій інноваційності? В Mercedes-Benz наші принципи AI керують кожним кроком інновацій, підкреслюючи відповідальне використання, безпеку та надійність, пояснюваність та захист конфіденційності. Ці принципи виходять за межі заяв і активно формують те, як ми проектуємо, тестуємо та впроваджуємо AI-системи в реальних автомобільних та підприємницьких умовах. У цій доповіді я представлю, як ці принципи надихнули наше недавнє дослідження, коли повторне використання LoRA (адаптації з низьким рангом) є ефективним. Поєднуючи теоретичний аналіз з синтетичними даними як проксі для підприємницьких сценаріїв, ми виявили сильні та слабкі сторони модульних AI-компонентів за обмеженого доступу до даних. Наші висновки надають практичні вказівки щодо того, коли повторно використовувані LoRA можуть забезпечити високоякісні результати. Про доповідача Мей-Йен Чен - старший науковець з даних в Mercedes-Benz Tech Innovation GmbH в Німеччині з 10-річним досвідом роботи в галузі AI та рішень для даних. Вона керує проектами на ранніх стадіях AI в різних функціях бізнесу та співпрацює з науковими установами в галузі машинного навчання та відповідального AI. Токени регіону як візуальний примітив: від розпізнавання до моделювання світу Токенізація на основі патчів стала стандартним інтерфейсом між візуальними кодувальниками та наступними моделями, проте патчі не мають семантичної структури та погано масштабуються з роздільною здатністю та часовим охопленням. У цій доповіді представлено дослідницьку програму, зосереджену на заміні патч-токенів регіональними представленнями — семантично щільними токенами, закріпленими в візуальних об'єктах, а не в довільних зрізах сітки. Я опишу RELOCATE, REN і T-REN, прогресію методів, які виробляють регіональні токени через об'єднання, навчають їх за регіональними об'єктивами та розширюють їх до відео з тимчасовою послідовністю. Потім я представлю поточну роботу з інтеграції регіональних токенів у VLM, щоб безпосередньо розширити ємність візуального контексту та попередні результати щодо прогнозування регіональної траєкторії в майбутньому як основи для моделювання світу. Ширша тези звучить так, що токени регіонального рівня є більш природною одиницею візуальних обчислень, ніж патчі, і їх перевага посилюється з підвищенням складності завдання, розподільчої здатності та тимчасового горизонту. Про доповідача Сав’я Кхосла - студентка другого року аспірантури в Університеті Іллінойс в Урбана-Шампейн, під наглядом проф. Дерека Хоєма та проф. Алекса Швінга. Використання моделей дифузії тексту в зображеннях для послідовного генерування наборів Колекції зображень є основним способом людей фіксувати світ, однак досягнення в генеративному редагуванні залишаються в значній мірі непридатними для цієї модальності. Ми заповнюємо цю прогалину, представляючи Match-and-Fuse - метод без навчання та в умовах нульового зворотного зв'язку для послідовного генерування наборів з колекцій зображень, які ділять загальний візуальний елемент, але відрізняються за кутом зору, часом захоплення та оточуючим контентом. Наша ключова ідея - це єдина графова структура, яка поєднує щільні кореспонденції з виникаючим пріоритетом в моделях дифузії тексту в зображеннях для генерації послідовних полотен. Ми досягаємо передового рівня послідовності та візуальної якості та відкриваємо нові творчі можливості для генерації контенту. Про доповідача Кейт Фейнґолд - аспірантка з комп'ютерного зору в Інституті Вайцмана. Її дослідження знаходяться на перетині генеративних моделей, сприйняття 3D/4D та мультимодального навчання, зосереджуючи увагу на проблемах, коли зір перетинається з іншими модальностями або парадигмами в творчих завданнях. Оцінка врожайності кави в щільному середовищі Ця доповідь надає детальний робочий процес, пов’язаний з оцінкою врожайності кави в щільному середовищі. З фотознімками кавових рослин перед збором урожаю з кількох кавових плантацій, деталі, пов'язані з попередньою обробкою, анотацією для виявлення регіонів інтересу (ROI), навчання детекції об'єктів та результати інферування з різними моделями Yolo, нарешті сегментація з SAM2 та Yolo*-seg з результатами навчання та інферування для визначення кількості сирих, недозрілих, зрілих та перепрілих кавових ягід і, нарешті, врожайності всієї плантації. Усе це базується на реальних даних, зібраних за допомогою iPhone та андроїд-телефонів. Про доповідача Рагху М. Рао - консультант, що працює над застосуваннями AI-моделей комп'ютерного зору. Він раніше працював в AMD та Xilinx. Він має докторську ступінь з безпровідних комунікацій в UCLA та є старшим членом IEEE. Його поточні інтереси складаються в застосуваннях AI для сільського господарства, охорони здоров'я та безпровідних комунікацій.