تا حالا فکر کردید که چطور هوش مصنوعی می‌تونه بدون دوربین و فقط با توصیف متنیِ محیط، موقعیت دقیق شما رو توی یک ساختمان…

مدل‌های تبدیل متن به تصویر (T2I) در کنار پیشرفت‌های خیره‌کننده‌شان، هنوز هم وقتی با توصیفات پیچیده یا ترکیبات کمیاب اشیا روبرو می‌شوند، دچار سردرگمی…

محققان در پژوهشی جدید، فریم‌ورک «TimeThink» را معرفی کردند که به مدل‌های زبانیِ ویدئویی (Video-LLMs) کمک می‌کند تا بسیار دقیق‌تر از قبل، رویدادها و…

محققان مدل جدیدی به نام «SpineRankNet» معرفی کرده‌اند که تحولی در تحلیل تصاویر MRI ستون فقرات ایجاد می‌کند. برخلاف روش‌های سنتی که درجات آسیب‌دیدگی…

محققان در پژوهشی جدید، چارچوبی مبتنی بر هوش مصنوعی مولد معرفی کرده‌اند که به جای ارسال داده‌های خام (Raw bits)، مفاهیم و معنای ویدیو…

محققان در پژوهش جدیدی متوجه شدند که ربات‌های مجهز به مدل‌های VLA (بینایی-زبان-عمل) گاهی در تشخیص مسیر دچار خطا می‌شوند. آن‌ها راهکار جالبی ارائه…

محققان در یک پیشرفت جدید، مدل «UNIVERSE» رو معرفی کردن که دنیای ویدیو و تصمیم‌گیری در رانندگی خودران رو با هم ترکیب می‌کنه. برخلاف…

محققان در تازه‌ترین پژوهش خود، چارچوب هوشمند جدیدی به نام FressDet را معرفی کرده‌اند که تحولی در تشخیص اشیاء در تصاویر چندطیفی (Multispectral) ایجاد…

محققان در تازه‌ترین مقاله خود، چارچوب نوآورانه «Claim-Level Rubric Rewards» یا به اختصار CuRe را معرفی کرده‌اند که انقلابی در یادگیری تقویتی برای تولید…

یکی از چالش‌های همیشگی در بینایی ماشین، تشخیص دقیق اشیاء ریز در تصاویر است؛ جایی که مدل‌ها معمولاً به دلیل از دست دادن جزئیات…