# Cambrian-BEV, video akıl yürütmesini kuşbakışı token’larla hızlandırıyor

> Yeni bir tokenleştirme yöntemi, 128 video karesini 729 mekânsal token’a sıkıştırıyor; LLM’lerde ön doldurma süresini 2,9 kat, bellek kullanımını 3,6 kat azaltıyor.

Oossa · 2026-10-19 · https://oossa.com/tr/cambrian-bev-speeds-up-video-reasoning-with-bird-s-eye-view-tokens

Araştırmacılar, videodaki görsel parçaları ortak bir kuşbakışı görünüm ızgarasına aktaran Cambrian-BEV’yi tanıttı. Yöntem, bakış açısı veya zaman fark etmeksizin aynı yere ait gözlemleri birleştirmek için derinlik ve kamera konumunu kullanıyor. Model mimarisini değiştirmeden kare token’larının yerine 27×27 boyutunda BEV token’ları koyuyor. VSI-Bench testinde 63,48 puan alan yöntem, çok daha az token kullanmasına rağmen kare token’ı temel yöntemini 8,5 puan geride bıraktı.

## Gerçekler

- 128 kare → 729 BEV token’ı (27×27 ızgara)
- Ön doldurma süresi 2,9 kat, tepe bellek kullanımı 3,6 kat azaldı

## Neden önemli

Bu yöntem, geliştiricilerin mekânsal konularda daha güvenilir akıl yürütebilen, daha hızlı ve daha hafif video tabanlı yapay zekâ asistanları geliştirmesini sağlıyor.

## Kaynaklar ve referanslar

1. [Thinking from Above: Efficient Spatial Reasoning with Bird's-Eye-View Visual Tokens](https://arxiv.org/abs/2610.22700) – arXiv cs.CV, 2026-10-19

Son güncelleme: 2026-10-19