در دنیای بازسازی سه‌بعدی و فتوگرامتری، معمولاً برای سنجش دقت، به داده‌های خارجی نیاز داریم. اما در این پژوهش جدید، محققان پروتکلی ارائه داده‌اند…

مدل‌های چندوجهی (VLM) معمولاً در تحلیل آفلاین عالی هستند اما در پردازش ویدئوهای زنده (Streaming) ضعیف عمل می‌کنند. حالا مدل جدید «Mage-VL» با یک…

تا حالا فکر کردید چرا مدل‌های هوش مصنوعی (MLLMs) گاهی در تشخیص ساده‌ترین جزئیات تصاویر دچار توهم یا خطا می‌شوند؟ محققان به‌تازگی بنچمارک جدیدی…

محققان در پژوهشی جدید، مدل انقلابی «I-LW-DETR» را معرفی کرده‌اند که اولین مدل Detection Transformer است که به‌طور کامل با «اعداد صحیح» (Integer-Only) کار…

محققان در پژوهشی جدید، مدل هوشمندی به نام «RegAL» را معرفی کرده‌اند که چالش همیشگی کمبود داده‌های برچسب‌گذاری‌شده در تصاویر پزشکی را حل می‌کند.…

محققان مدل جدیدی به نام Diff-ID را معرفی کرده‌اند که مشکل بزرگ «حفظ هویت» در تولید تصاویر چهره توسط هوش مصنوعی را هدف قرار…

محققان در پژوهشی جدید، فریم‌ورک قدرتمند «MorphUNet» را معرفی کرده‌اند که می‌تواند امنیت سیستم‌های تشخیص چهره را به چالش بکشد. این تکنولوژی با استفاده…

تا به حال فکر کردید ربات‌ها چطور در محیط‌های ناشناخته به دنبال یک شیء خاص می‌گردند؟ مشکل اصلی اینجاست که دستورات متنی ساده، گاهی…

مدل‌های زبانی چندوجهی (MLLM) همیشه در پردازش ویدیوهای طولانی با محدودیت حافظه روبرو بودند، اما حالا تکنیک جدیدی به نام LENS این چالش را…

محققان ابزاری متن‌باز به نام FIDAC توسعه داده‌اند که انقلابی در تحلیل «فاصله‌های بین‌فردی» در ویدیوها ایجاد می‌کند! 📹✨ این کتابخانه کاربردی، خروجی‌های مختلف…