یکی از مشکلات رایج در مدل‌های Visual Grounding (هوش مصنوعی که اشیاء را در تصاویر بر اساس متن پیدا می‌کند)، این است که مدل…

اگر با دنیای 3DGS (Gaussian Splatting) آشنا باشید، حتما می‌دانید که حذف کردن سوژه‌های مزاحم یا اشیاء متحرک از تصاویر سه‌بعدی چقدر چالش‌برانگیز است.…

آیا تا به حال هنگام خرید آنلاین لباس، از اینکه با زوم کردن روی عکس، کیفیت به‌شدت افت می‌کند کلافه شده‌اید؟ محققان سیستم جدیدی…

محققان به تازگی مدل جدیدی به نام Argus را معرفی کرده‌اند که می‌تواند محیط‌های داخلی را با دقت بسیار بالا به صورت سه‌بعدی و…

محققان در یک پژوهش جدید به سراغ چالشی جذاب رفته‌اند: چگونه می‌توان تصاویر چهره را در قالب‌های فوق‌کوچک (کمتر از ۱۰۲۴ بایت) جای داد…

دنیای بینایی ماشین (Computer Vision) هر روز قدم‌های تازه‌ای به واقعیت نزدیک‌تر می‌شود. محققان به تازگی از مدل جدیدی به نام StereoGS رونمایی کرده‌اند…

مدل‌های زبانی چندوجهی (MLLM) تا امروز برای استدلال، از زنجیره افکار متنی استفاده می‌کردند که هم کند است و هم محدودیت‌های زبانی دارد. اما…

محققان تکنولوژی جدیدی به نام «AnchorSplat» معرفی کرده‌اند که دنیای 3D Gaussian Splatting را متحول می‌کند! تا امروز، بهینه‌سازی مدل‌های سه‌بعدی بسیار هزینه‌بر و…

محققان در پژوهشی جدید، پروتکل نوینی برای ارزیابی «ایجنت‌های هوشمند در حوزه تحلیل ویدیو» (VideoQA) طراحی کرده‌اند. مشکل اصلی مدل‌های فعلی این بود که…

اگر در دنیای بینایی ماشین و گرافیک کامپیوتری فعال هستید، حتما با Gaussian Splatting آشنایی دارید. محققان به تازگی روش جدیدی به نام SIG…