مدل‌های بینایی-زبانی-کنشی (VLA) تا امروز بیشتر رفتاری واکنشی داشتند، اما با معرفی مدل جدید «FoMoVLA»، این روند در حال تغییر است! 🚀 محققان با…

محققان در مطالعه جدیدی به سراغ نقد روش‌های «تفسیرپذیری» (xAI) رفتند. 🤖 این تحقیق نشان می‌دهد که ابزارهای رایج برای توضیح عملکرد مدل‌های هوش…

محققان در مطالعه جدیدی، تکنیک هوشمندی را معرفی کرده‌اند که می‌تواند به صورت لحظه‌ای (Streaming) اختلالات دوربین‌های نظارتی مثل مسدود شدن لنز یا تغییرات…

مدل‌های فعلی تولید تصویر (Diffusion Models) وقتی با درخواست‌های خاص یا نادر (Rare Concepts) مواجه می‌شوند، معمولاً به دلیل «تعصب دانشی» (Common Knowledge Bias)…

محققان در مقاله جدیدی از مدل نوآورانه «TAMF-VTON» رونمایی کردند که صنعت خرید آنلاین لباس را متحول می‌کند. برخلاف روش‌های قدیمی که برای پرو…

محققان به تازگی سیستم جدیدی به نام MARIO معرفی کرده‌اند که به صورت کاملاً خودکار و در لحظه، مسابقات رباتیک فوتبال (RoboCup) را گزارش…

محققان در مقاله‌ای جدید به بررسی چالش‌های سیستم‌های «بازشناسی افراد» (Person Re-ID) پرداخته‌اند. اگرچه سیستم‌های فعلی معمولاً به تصاویر RGB وابسته هستند، اما در…

محققان در مقاله جدیدی، مدل نوآورانه «PIDiffSign» را معرفی کرده‌اند که می‌تواند حرکات زبان اشاره را به صورت سه‌بعدی و با دقت بیومکانیکی بالا…

دانشمندان راهکار جدیدی برای حل یک مشکل فنی در هدست‌های VR/AR پیدا کرده‌اند. یکی از بزرگترین چالش‌ها در بازسازی سه‌بعدی چشم، خطاهای ناشی از…

محققان در مقاله‌ای جدید به سراغ حل چالش بزرگی در حوزه «تشخیص مکان بصری» (Visual Place Recognition) رفته‌اند. معمولاً برای آموزش مدل‌های قدرتمند به…