محققان در مقاله جدیدی از روشی خلاقانه به نام «ProCap» رونمایی کرده‌اند که کیفیت کپشن‌نویسی برای ویدیوها را به شکل چشم‌گیری ارتقا می‌دهد. مشکل…

تکنولوژی‌های بینایی ماشین در محیط‌های زیر آب به دلیل پراکندگی نور و افت کیفیت تصاویر همیشه با چالش‌های بزرگی روبرو بوده‌اند. حالا فریم‌ورک جدید…

تولید ویدیوهای شخصی‌سازی‌شده با هوش مصنوعی پیشرفت‌های زیادی داشته، اما تا امروز «حفظ هویت» چندین نفر به‌طور همزمان در یک ویدیو چالش‌برانگیز بود. اکثر…

محققان در تازه‌ترین دستاورد خود، مدل جدید و سبکی به نام «S3GNet» را برای تشخیص اشیاء در تصاویر ابرطیفی (Hyperspectral) معرفی کرده‌اند. مشکل اصلی…

محققان در یک مطالعه جدید به سراغ آسیب‌پذیری مدل‌های بزرگ بینایی-زبانی (LVLM) در تحلیل تصاویر ماهواره‌ای رفته‌اند. از آنجایی که تفسیر این تصاویر نیازمند…

محققان به‌تازگی از یک بنچمارک عظیم و کاربردی به نام «HyperImageNet» رونمایی کردند که برای درک بهتر و دقیق‌تر تصاویر فراطیفی (Hyperspectral) طراحی شده…

محققان در مقاله جدیدی، پارادایم «بازیابی چند دانه‎ای» (Multi-grained) را برای بازشناسی افراد معرفی کردند. تا پیش از این، جستجوی متن‌محور برای پیدا کردن…

محققان در مطالعه‌ای جدید، چالش بزرگی را در مدل‌های زبانی چندوجهی (MLLM) هدف قرار داده‌اند: هوش هیجانی بصری! 🖼️✨ مدل‌های فعلی در درک احساساتِ…

محققان در مطالعه‌ای جدید به چالش مهمی در مدل‌های چندوجهی (VLM) حوزه پزشکی پرداخته‌اند. یافته‌ها نشان می‌دهد که بسیاری از این مدل‌ها به جای…

یکی از چالش‌های بزرگ در خودکارسازی آزمایشگاه‌ها، ناتوانی ربات‌ها در تشخیص و کار با ظروف آزمایشگاهی شفاف (مانند لوله‌های آزمایش و بشرها) در محیط‌های…