Mohamed Amine Kerkouri
PulseAugur coverage of Mohamed Amine Kerkouri — every cluster mentioning Mohamed Amine Kerkouri across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新数据集AVAtt聚焦绘画视觉注意力
研究人员推出了AVAtt，这是一个专门用于研究绘画视觉注意力的新数据集和基准。与专注于自然照片的现有数据集不同，AVAtt包含了参与者观看跨越数百年和艺术流派的各种绘画作品时的眼动追踪数据。该数据集包括扫视路径、注视点、显著性图谱和详细的艺术元数据，能够开发和评估艺术感知注意力模型。初步基准测试显示，当前模型仍有显著的改进空间，研究结果表明，人脸、局部结构和艺术风格等因素会影响观众的观看位置。
-
带注视的多模态大语言模型搜索结果与人类匹配，但过程不同
一篇题为“匹配的结果，不同的注视：带注视的多模态大语言模型搜索与人类的比较”的新研究论文探讨了人类视觉搜索与多模态大语言模型（MLLMs）行为之间的差异。研究发现，虽然MLLMs在目标检测和效率方面可以媲美甚至超越人类的表现，但它们自身的搜索过程却存在根本性差异。这些模型表现出低熵、大振幅的扫描路径，与自身相比，比人类扫描路径之间的相似度更高，这表明它们采用的是单通道架构而非串行架构。
-
自闭症个体的注视模式在艺术观看中与艺术家和神经典型个体存在差异
一项发表在arXiv上的新研究探讨了自闭症个体、训练有素的艺术家和神经典型观察者在视觉上如何与艺术作品互动。研究发现，艺术家和神经典型个体在观看艺术品时表现出几乎相同的空间和时间注视模式。相比之下，自闭症个体表现出独特的注意力特征，其特点是注视时间更短，扫描路径更具个体化，尽管他们的空间探索可能与艺术家相似。
-
新框架对LLM推理进行结构化剖析，揭示模型特有的认知特征
研究人员推出ThinkProbe，一个旨在结构化分析大型语言模型（LLM）推理过程的新框架。该系统将LLM轨迹转换为“思维图谱”，并使用非生成式流水线生成一个五维认知画像。对来自七个不同LLM的4200多条轨迹的分析表明，推理结构是模型特有的稳定特征，模型间的差异比跨不同问题域的差异更显著。