مدل‌های زبانی چندوجهی (MLLM) امروزه در تحلیل تصاویر پیشرفت زیادی داشته‌اند، اما یک چالش بزرگ همچنان باقی است: وقتی آنچه مدل در تصویر می‌بیند…

محققان در مطالعه‌ای جدید، روشی نوآورانه برای بهبود تحلیل تصاویر آندوسکوپی ارائه کرده‌اند. مشکل اصلی در آندوسکوپی این است که تصاویر حاصل از نور…

آیا مدل‌های هوش مصنوعی که همزمان متن و تصویر را پردازش می‌کنند (UMMs)، واقعاً از یک فضای درک واحد استفاده می‌کنند؟ محققان در مطالعه…

تا امروز، ردیابی اجسام مشابه و متراکم (مثل دسته‌های ماهی) برای هوش مصنوعی یک چالش بزرگ بود، چون مدل‌های دقیق معمولاً بسیار سنگین بودند…

محققان در یک مطالعه جدید، با استفاده از مدل EfficientNet-B0 و یادگیری انتقالی (Transfer Learning)، ابزاری قدرتمند برای درجه‌بندی شدت آکنه طراحی کرده‌اند. این…

محققان مدل هوش مصنوعی جدیدی به نام HERMES معرفی کرده‌اند که گامی بزرگ در حوزه پزشکی و آنکولوژی محسوب می‌شود. این سیستم پیشرفته که…

محققان در مقاله‌ای جدید، چالش ردیابی پهپادها توسط پهپادهای دیگر (Anti-UAV) را زیر ذره‌بین برده‌اند. در این سناریو به دلیل حرکت همزمان هر دو…

محققان به تازگی بنچ‌مارک جدیدی به نام EgoSafe-Bench را معرفی کرده‌اند که برای تست توانایی «استدلال ایمنی» در هوش مصنوعی طراحی شده است. مشکل…

تولید ویدیوهای طولانی و سینمایی با هوش مصنوعی همیشه چالش‌برانگیز بوده؛ به‌ویژه وقتی بخواهیم کنترل دقیقی روی کاراکترها و صحنه‌ها داشته باشیم. اما حالا…

مدل‌های چندوجهی (VLM) گاهی اوقات در اثر «فشار» یا پرامپت‌های جهت‌دار، دچار اشتباهات عجیبی می‌شوند؛ مثلاً اشیاء غیرموجود را تأیید می‌کنند یا اطلاعات نادرستی…