یکی از مشکلات اصلی در ربات‌های مبتنی بر هوش مصنوعی (Vision-and-Language Navigation)، گم کردن مسیر یا توقف‌های بی‌موقع است. محققان برای حل این چالش،…

محققان در تازه‌ترین دستاورد خود، چارچوب جدیدی به نام Difix3D-W را معرفی کرده‌اند که تحولی در بازسازی سه‌بعدی از تصاویر واقعی ایجاد می‌کند. چالش…

محققان در پژوهشی جدید، مدل Visual Implicit Autoregressive Modeling یا به اختصار VIAR را معرفی کرده‌اند که تحولی در تولید تصاویر با کیفیت بالا…

محققان در یک دستاورد جدید، دیتاست جامع «Syn4D» را معرفی کرده‌اند که گامی بزرگ برای حل چالش‌های بازسازی سه‌بعدی و ردیابی اشیاء در ویدیوهاست.…

یکی از بزرگترین چالش‌های هوش مصنوعی در خودروهای خودران، تأخیر در پیش‌بینی مسیر حرکت (Trajectory Prediction) است. مدل‌های فعلی اغلب به دلیل پردازش‌های تکراری،…

محققان در پژوهشی جدید به چالش بزرگی در ارزیابی «شباهت سبک» (Style Similarity) در تصاویر تولید شده توسط هوش مصنوعی پرداخته‌اند. تا امروز، بسیاری…

محققان در پژوهش جدیدی، مدل هوش مصنوعی جذابی به نام AnyAct معرفی کرده‌اند که می‌تواند حرکات شخصیت‌های غیرانسانی (مثل کاراکترهای انیمیشنی) را از یک…

حتماً شنیدید که مدل‌های بینایی-زبانی وقتی با تصاویر با کیفیت بالا روبرو می‌شن، گاهی به جای تحلیل دقیق، به میان‌برهای ذهنی تکیه می‌کنن. محققان…

محققان در پژوهشی جدید، بنچمارک پیشرفته‌ای به نام OpenRef را معرفی کرده‌اند که چالش‌های اصلی مدل‌های بینایی-زبانی (REC) را هدف قرار داده است. مدل‌های…

تا حالا فکر کردید که مدل‌های هوش مصنوعی چطور اطلاعات رو از دلِ متن‌ها و تصاویر طولانی بیرون می‌کشن؟ محققان به‌تازگی راهکار جدیدی برای…