محققان در مقاله‌ای جدید، از مدل قدرتمند و فوق‌سریع «FlashDecoder» رونمایی کرده‌اند که قرار است مشکل کندی و مصرف بالای حافظه در مدل‌های تولید…

اگر در دنیای طراحی سه بعدی فعالیت می‌کنید، خبر خوبی برایتان داریم! محققان فریم‌ورک جدیدی به نام «TanGO» را معرفی کرده‌اند که ویرایش مدل‌های…

یکی از بزرگترین چالش‌های هوش مصنوعی در حوزه تشخیص چهره، استفاده از داده‌های واقعی افراد است که همیشه با مسائل اخلاقی و قانونی گره…

محققان در تازه‌ترین دستاورد خود، دو مجموعه داده (Dataset) ارزشمند برای ربات‌های کشاورز منتشر کرده‌اند. این مجموعه شامل تصاویر ثابت و ویدئوهای ضبط شده…

دنیای مدل‌های بینایی-زبانی (MLLM) با معرفی VideoChat3 یک گام بزرگ دیگر به جلو برداشت. این مدل که به صورت کاملاً متن‌باز ارائه شده، تمرکز…

محققان در مقاله جدیدی، فریم‌ورک هوشمند «FreqLF» را برای تخمین عمق و ناهمگونی (Disparity) در تصاویر میدان‌نوری (Light-Field) معرفی کرده‌اند. این روش با استفاده…

مدل‌های تبدیل متن به تصویر (T2I) با وجود قابلیت‌های شگفت‌انگیز، گاهی اوقات محتوای نامناسب تولید می‌کنند. حالا محققان روش جدیدی به نام «Introspective Attention…

محققان در مقاله جدیدی، فریم‌ورک نوآورانه‌ای به نام «DINE» را معرفی کرده‌اند که تحولی در «ثبت ابر نقاط» (Point Cloud Registration) در بافت‌های نرم…

محققان در یک مقاله جدید، معماری خلاقانه «UPrompt» را برای حل چالش همیشگیِ «دقت در جزئیات» در مدل‌های بینایی-زبانی (Vision-Language Models) معرفی کرده‌اند. این…

محققان ابزار جدیدی به نام Stitch-Inferencer معرفی کرده‌اند که دنیای اندوسکوپی و جراحی با کمک ربات را دگرگون می‌کند. یکی از چالش‌های اصلی در…