محققان قدم بزرگی در دنیای هوش مصنوعیِ محیطی (Embodied AI) برداشته‌اند! تا امروز، درک اشیا در تصاویر ۳۶۰ درجه برای ربات‌ها و مدل‌های بینایی…

محققان در پژوهشی جدید، ابزاری کاربردی برای شناسایی خودکار زنبورهای خانواده Ichneumonoidea توسعه داده‌اند. این ابزار با استفاده از معماری YOLO و تکنولوژی HiResCAM…

مدل‌های زبانی-تصویری (VLM) در تحلیل کیفیت تصاویر پیشرفت‌های خوبی داشتند، اما اغلب در ارائه امتیازات دقیق دچار مشکل «فروپاشی مقادیر» (Discrete Collapse) می‌شدند. محققان…

مدل‌های زبانی-تصویری (VLM) در حال حاضر پیشرفت‌های زیادی داشته‌اند، اما در تشخیص خطرات ایمنی محیط‌های داخلی هنوز ضعف‌های جدی دارند. بنچمارک جدیدی به نام…

محققان در پژوهشی جدید، مدل هوشمندی به نام MEDN را معرفی کرده‌اند که می‌تواند در تشخیص «ریز-احساسات» (Micro-expressions) تحولی بزرگ ایجاد کند. مشکل اصلی…

دنیای مدل‌های زبانی-تصویری (MLLM) هر روز پیشرفته‌تر می‌شود. محققان به‌تازگی فریم‌ورک جدیدی به نام RIME معرفی کرده‌اند که مشکل رایج «زنجیره تفکر» (Chain-of-Thought) یعنی…

محققان تکنولوژی جدیدی به نام BathyFacto را معرفی کرده‌اند که مشکل اصلی «شکست نور» در عکاسی زیر آب را حل می‌کند. این مدل با…

آیا هوش مصنوعی می‌تواند هندسه صحنه‌ها را در ویدیوهای طولانی با دقت بالا درک کند؟ محققان به‌تازگی مدل بنیادین ViGeo را معرفی کرده‌اند که…

محققان در پژوهش جدیدی، روش نوآورانه‌ای به نام TerraTransfer را معرفی کرده‌اند که مسیر یادگیری رانندگی برای خودروهای خودران را متحول می‌کند. تا پیش…

آیا می‌دانستید برای سنجش کیفیت داده‌های مصنوعی در بینایی ماشین، دیگر نیازی به آموزش طولانی‌مدت مدل ندارید؟ محققان روش نوآورانه‌ای به نام CCDM را…