محققان در یک مطالعه جدید، روشی نوآورانه برای تبدیل تصاویر «آفلاین» دست‌خط به داده‌های «آنلاین» (مسیر حرکت قلم) ارائه کرده‌اند. این تکنولوژی که با…

محققان در مقاله جدیدی از مدل نوآورانه WorldBagel رونمایی کرده‌اند که یک قدم بزرگ در مسیر «مدل‌های دنیای واقعی» (World Modeling) برای سیستم‌های چندرسانه‌ای…

مدل‌های تولید تصویر هنوز هم در نمایش دقیق بازتاب‌های آینه‌ای مشکل دارند که این موضوع برای آموزش ربات‌ها و سیستم‌های بینایی ماشین یک چالش…

مدل‌های فعلی تبدیل متن به تصویر (Text-to-Image) در نمایش دقیق اشیاء متعدد در صحنه‌های شلوغ و همپوشان مشکل دارند و اغلب آن‌ها را با…

محققان به تازگی مدل نوآورانه‌ای به نام Flex-Forcing معرفی کرده‌اند که دنیای تولید ویدئو با هوش مصنوعی را متحول می‌کند! 🎥 تا امروز، ما…

محققان در مقاله جدیدی تحت عنوان «Perceptual Flow Matching» یا به اختصار PFM، روشی ابداع کرده‌اند که فرآیند تولید تصاویر و ویدیو توسط مدل‌های…

محققان در مقاله‌ای تازه، دیتاست جدیدی به نام iVISION-2DCD را معرفی کرده‌اند که به طور خاص برای نظارت خودکار بر پروژه‌های بزرگ ساختمانی طراحی…

دنیای هوش مصنوعی گام بزرگی برای مقابله با تصاویر جعلی (Deepfake) برداشته است! محققان به‌تازگی بنچمارک عظیم XPlainVerse را معرفی کرده‌اند که شامل یک…

مدل‌های بینایی مبتنی بر SSM که جایگزینی برای Vision Transformerها هستند، معمولاً به دلیل «اسکن جهت‌دار» (Directional Scanning) دچار محدودیت‌هایی در تشخیص ابعاد و…