محققان روش جدیدی به نام Conditioning Residuals معرفی کرده‌اند که می‌تواند عملکرد مدل‌های تولید تصویر و ویدیو (Diffusion Models) را به طرز چشمگیری بهبود…

محققان در مقاله‌ای جدید، مدل جدیدی به نام LaViDa را معرفی کرده‌اند که با استفاده از «مدل‌های نفوذی» (Diffusion Models)، رویکردی متفاوت از مدل‌های…

محققان در مقاله جدید خود از مدل SEMA (Scalable and Efficient Mamba like Attention) رونمایی کردند. این مدل با هدف رفع چالش‌های مدل‌های ترنسفورمر،…

محققان در مقاله جدیدی از مدل هوشمند DINO-SLAM رونمایی کردند که هدفش ارتقای درک ربات‌ها از محیط سه‌بعدی است. این سیستم با ترکیب ویژگی‌های…

تکنولوژی Gaussian Splatting (3DGS) که این روزها دنیای گرافیک و بینایی ماشین رو متحول کرده، حالا با معرفی متد جدید «GSVisLoc» دقیق‌تر شده است!…

محققان ابزار جدیدی به نام MapAnything معرفی کرده‌اند که می‌تواند با استفاده از تنها یک تصویر دوبعدی (مونوکولار)، مختصات سه‌بعدی دقیق اشیاء شهری را…

محققان مدل هوشمند جدیدی به نام Lavida-O را معرفی کرده‌اند که مرزهای فهم و تولید محتوا را جابه‌جا کرده است. این مدل برخلاف نمونه‌های…

محققان متد جدیدی به نام «TokenSwap» را شناسایی کرده‌اند که می‌تواند مدل‌های پیشرفته بینایی-زبانی را با حملات «در پشتی» (Backdoor) هدف قرار دهد. برخلاف…

دانشمندان راهکار جدیدی برای بهبود مدل‌های تولید ویدیو معرفی کرده‌اند. یکی از مشکلات اصلی در آموزش مدل‌های هوش مصنوعی (مخصوصاً با روش GRPO)، پدیده‌ای…

محققان در مقاله جدیدی به بررسی جالبی در مورد عملکرد Vision Transformers پرداختند. برخلاف شبکه‌های عصبی کانولوشنی (CNN)، مدل‌های ViT به صورت پیش‌فرض فاقد…