Araştırma

Bir yapay zekâ yanıtının doğru olup olmadığını, güven düzeyinin gerçeği yansıtıp yansıtmadığını ve görüntünün hangi bölümlerinin sonucu etkilediğini araştırıyorum. Makalelere, koda ve yayımlanan modellere buradan ulaşabilirsiniz.

Yayınlar

Augmentation and Cutout in Deepfake Detection: A Comparative Study of Accuracy, Calibration, and Attention

Mert Kaya, Venera Adanova

UBMK 2026, 11th International Conference on Computer Science and Engineering, Istanbul (IEEE)

IEEE Xplore’da yayımlandı, , 78-83

Deepfake tespit modellerini eğitmenin dokuz yolunu karşılaştıran bildiri: doğruluğu, verdiği güvenin sonuçlarla ne kadar uyuştuğunu ve yüzün hangi bölgelerine dayandığını inceler.

Atıf bilgisi (BibTeX)
@inproceedings{kaya2026augmentation,
  author    = {Kaya, Mert and Adanova, Venera},
  title     = {Augmentation and Cutout in Deepfake Detection: A Comparative Study of Accuracy, Calibration, and Attention},
  booktitle = {2026 11th International Conference on Computer Science and Engineering (UBMK)},
  pages     = {78--83},
  year      = {2026},
  publisher = {IEEE},
  doi       = {10.1109/UBMK71847.2026.11745298},
  url       = {https://ieeexplore.ieee.org/document/11745298}
}

Explainable deepfake detection using frame level CNN models: A comparative study of augmentation and cutout techniques

Mert KayaVenera Adanova

Yüksek lisans tezi, TED Üniversitesi,

Tez, videolarda yapay zekâyla değiştirilmiş yüzleri tespit eden modelleri eğitmenin farklı yollarını karşılaştırır. Isı haritaları, her sonucu etkileyen yüz bölgelerini gösterir.

Atıf bilgisi (BibTeX)
@mastersthesis{kaya2025explainable,
  author = {Kaya, Mert},
  title = {Explainable deepfake detection using frame level CNN models: A comparative study of augmentation and cutout techniques},
  school = {TED University},
  year = {2025},
  doi = {10.5281/zenodo.18998566}
}

Language Preservation Using Agentic AI Architectures: A Tool-Grounded Small Language Model on a Constructed-Language Testbed

Mert Kaya

Herkese açık ön baskı, hakem değerlendirmesinden geçmedi. Eldalambë’nin kodu, verileri, modelleri ve karşılaştırma testi özel tutuluyor.

Bu makale, Tolkien’in kurgusal Elf dilleri Quenya ve Sindarin için geliştirilen Eldalambë asistanını inceler. Benimsenen sürüm Pro-Preserve 100 test isteğinin 40’ında, önceki sürüm Pro2508 ise 21’inde beklenen cümleyi yazar; Pro-Preserve 300 durumun 277’sinde Tolkien’in sözcüklerini tanır, Pro2508 ise 259’unda.

Atıf bilgisi (BibTeX)
@techreport{kaya2026eldalambe,
  author = {Kaya, Mert},
  title = {Language Preservation Using Agentic {AI} Architectures: A Tool-Grounded Small Language Model on a Constructed-Language Testbed},
  institution = {Eschatia Labs},
  year = {2026},
  url = {https://eschatialabs.com/research/eldalambe-2026/},
  note = {Preprint, not peer-reviewed}
}

Araştırma alanları

Karar modelleri

JevAlt modelleri bir durumu okur, verilen yanıtlardan birini seçer ve her yanıt için olasılık verir. Testler hem yanıtı hem de bu olasılığın modelin doğru yanıt verme sıklığıyla uyuşup uyuşmadığını ölçer.

Yapay zekâ asistanları

Yapay zekâ asistanlarının ortak bilgiye ve işlem sınırlarına ihtiyacı var. Tholos, kendi bilgisayarınızda tablolar, notlar ve izin kuralları sunar.

Deepfake tespiti

Deepfake, yapay zekânın bir yüzü değiştirdiği veya başka bir yüzle değiştirdiği videodur. Tespit modellerini eğitmenin farklı yollarını karşılaştırıyor ve ısı haritalarıyla her sonucu etkileyen yüz bölgelerini gösteriyorum.

Tolkien’in Elf dilleri

Eldalambë, insanların Tolkien’in yarattığı Quenya ve Sindarin Elf dillerini ve Tengwar yazısını okuyup yazmasına yardım eder. Makale herkese açıktır; kod, veri, model dosyaları ve test maddeleri özeldir.