محققان در تازه‌ترین دستاورد خود، مدل LCPNet را برای بهبود تشخیص اهداف کوچک در تصاویر مادون‌قرمز (IRSTD) معرفی کرده‌اند. این تکنیک که در حوزه…

مدل‌های پیشرفته بازیابی بینایی-زبانی به دلیل تعداد بسیار زیاد توکن‌های تصویری، معمولاً بسیار سنگین و پرهزینه هستند. اما حالا محققان فریم‌ورک جدیدی به نام…

با پیشرفت سریع ابزارهای تولید ویدیو، تشخیص محتوای جعلی به یک چالش امنیتی بزرگ تبدیل شده است. بیشتر مدل‌های فعلی وقتی با ویدیوهای ساخته‌شده…

یکی از کارهای سخت برای ربات‌ها، کار با اشیاء منعطف مثل کابل‌ها و طناب‌هاست. حالا محققان با معرفی فریم‌ورک «SILO»، روشی خلاقانه برای حل…

مدل‌های RAG معمولاً در پردازش اسناد بسیار طولانی دچار سردرگمی می‌شوند و اطلاعات بی‌ربط را به جای پاسخ نهایی به کاربر ارائه می‌دهند. محققان…

محققان تکنیک جدیدی به نام RetroCoT معرفی کرده‌اند که نشان می‌دهد مدل‌های زبانی بزرگ تا چه حد در برابر «تغییر لحن درخواست» آسیب‌پذیر هستند.…

محققان در مطالعه‌ای جدید، روشی نوآورانه برای تشخیص و تحلیل افسردگی از طریق داده‌های رفتاری ابداع کرده‌اند. این مدل با استفاده از مفهومی به…

بازسازی سه‌بعدی محیط در خودروهای خودران یکی از چالش‌های بزرگ دنیای هوش مصنوعی است. محققان به‌تازگی چارچوب جدیدی به نام FocusGS معرفی کرده‌اند که…

تا به حال به این فکر کردید که چرا اجرای LLMها روی سیستم‌های شخصی باعث کندی بقیه برنامه‌ها می‌شود؟ محققان در دستاورد جدیدی به…

محققان در مطالعه‌ای جدید به سراغ چالشی بزرگ در دنیای رباتیک رفته‌اند: آیا مدل‌های VLA (بینایی-زبان-عمل) واقعاً بر اساس منطق تصمیم می‌گیرند یا فقط…