آیا ربات‌ها می‌توانند مثل ما در محیط‌های پیچیده و ناشناخته حرکت کنند و کارهای دستی انجام دهند؟ محققان به‌تازگی فریم‌ورک جدیدی به نام «REAL»…

تکنولوژی‌های سه‌بعدی (3D Gaussian Splatting) هر روز پیشرفته‌تر می‌شوند! این بار محققان مدل جدیدی به نام T3HG-Editor را معرفی کرده‌اند که به طور تخصصی…

تا حالا شده بخواهید نورپردازی یک عکس از فضای داخلی را کاملاً تغییر دهید اما نگران غیرطبیعی شدن آن باشید؟ محققان با معرفی فریم‌ورک…

مدل محبوب CLIP که پل ارتباطی بین تصویر و متن است، گاهی در درکِ دقیقِ جزئیاتِ درونِ تصویر ضعف دارد. محققان برای حل این…

سیستم‌های شناسایی گوینده معمولاً در شرایط ایده‌آل (صوت و تصویر کامل) کار می‌کنند، اما در دنیای واقعی با مشکلاتی مثل نویز، قطعی دوربین یا…

دنیای بینایی ماشین باز هم یک قدم به دنیای واقعی نزدیک‌تر شد! محققان با معرفی معماری جدید «WAVE-Stereo»، گره بزرگی را در تطبیق استریو…

مدل‌های چندوجهی فعلی در درک زبان عالی هستند، اما وقتی صحبت از درک «جهان واقعی» و استدلال فضایی در طول زمان می‌شود، هنوز با…

تکنولوژی Gaussian Splatting این بار به کمک دنیای پزشکی آمده است! محققان روش جدیدی را برای بازسازی تصاویر CT (سی‌تی اسکن) با استفاده از…

با پیشرفت چشمگیر هوش مصنوعی در تولید تصاویر، تشخیص اینکه یک تصویر توسط کدام مدل ساخته شده به یکی از چالش‌های مهم در حوزه…

آیا هوش مصنوعی می‌تواند فعالیت‌های روزمره ما را مثل یک دستیار واقعی درک کند؟ محققان با معرفی بنچمارک جدید EgoProceVQA و فریم‌ورک EgoProceAgent، به…