یکی از چالش‌های اصلی مدل‌های زبانی چندوجهی (MLLM) که به صورت عامل (Agent) عمل می‌کنند، تأخیر زیاد در چرخه‌های استدلال و استفاده از ابزارهاست…

یادگیری درون‌متنی (ICL) یکی از جذاب‌ترین قابلیت‌های مدل‌های هوش مصنوعی است، اما گاهی اوقات دقت آن به دلیل حساسیت به چیدمان مثال‌ها کاهش می‌یابد.…

محققان مدل جدیدی به نام CORA معرفی کرده‌اند که انقلابی در تحلیل تصاویر آنژیوگرافی (CCTA) ایجاد می‌کند. مشکل اصلی مدل‌های قبلی این بود که…

برای کسانی که در حوزه Scan-to-BIM و بینایی ماشین فعالیت می‌کنند، یک خبر عالی داریم! محققان به‌تازگی دیتاسد بزرگ «Industrial3D» را برای تحلیل فضاهای…

محققان در یک پیشرفت هیجان‌انگیز، فریم‌ورک جدیدی به نام «LivingWorld» را معرفی کرده‌اند که می‌تواند تنها از یک تصویر، دنیاهای ۴ بعدی تعاملی و…

تطبیق ویژگی‌های محلی (Local Feature Matching) قلب تپنده سیستم‌های بینایی سه‌بعدی و بازسازی تصاویر است. حالا محققان با معرفی مدل جدید «LoMa»، جان تازه‌ای…

محققان در پژوهش جدید خود، روش خلاقانه‌ای به نام «AsymLoc» را برای بهبود مسیریابی بصری (Visual Localization) در دستگاه‌های سبک مانند عینک‌های واقعیت افزوده…

محققان در پژوهشی جدید، مدل‌های یادگیری عمیق چندوجهی (Multimodal) را برای تشخیص «تردید و دودلی» (Ambivalence/Hesitancy) در ویدئوها به کار گرفته‌اند. هدف این است…

محققان در یک پژوهش جدید، از «یادگیری متریک عمیق» (Deep Metric Learning) برای بهبود سیستم‌های تشخیص هویت از طریق الگوی رگ‌های بدن (انگشت، مچ…

یکی از چالش‌های بزرگ در تولید ویدیو با هوش مصنوعی، حفظ ثبات کاراکترها و تداوم داستان در شات‌های مختلف است. حالا محققان مدل جدیدی…