دسته: مقالات علمی

دنیای مدل‌های تولید تصویر (Text-to-Image) روز به روز در حال پیشرفت است. محققان به تازگی فریم‌ورک جدیدی به نام «SuperFlow» معرفی کرده‌اند که یادگیری…

محققان در تازه‌ترین دستاورد خود، چارچوب جدیدی به نام EmoSpace معرفی کرده‌اند که دنیای تولید تصویر را متحول می‌کند. تا پیش از این، اکثر…

دانشمندان راهکار جدیدی به نام QATMA ارائه داده‌اند که به طور خاص برای مدل‌های «تشخیص اشیاء با دایره واژگان باز» (Open-Vocabulary Object Detection) طراحی…

محققان در مطالعه‌ای جدید به سراغ یکی از چالش‌های بزرگ در حفاظت از تنوع‌زیستی رفته‌اند. اگرچه هوش مصنوعی ابزاری قدرتمند برای نظارت بر حیوانات…

محققان در تازه‌ترین دستاورد خود، مدل جدیدی به نام «ترنسفورمرهای حلقوی الاستیک» (ELT) را معرفی کرده‌اند که انقلابی در بهینه‌سازی مدل‌های مولد تصویر و…

محققان در مقاله جدید خود از فریم‌ورک «HumanGS» رونمایی کرده‌اند که تحولی در بازسازی و انیمیشن‌سازی سه‌بعدی انسان ایجاد می‌کند. این مدل برخلاف روش‌های…

ترکیب (Merging) چندین مدل که برای وظایف مختلف آموزش دیده‌اند، همیشه یکی از چالش‌های جذاب دنیای AI بوده است. اما تا امروز، بیشترِ تحقیقات…

محققان در تازه‌ترین دستاورد خود، مدل «PersonaGesture» را معرفی کردند که می‌تواند با دیدن تنها یک نمونه ویدئویی کوتاه از هر فرد، حرکات بدن…

دانشمندان با معرفی مدل جدید Cambrian-P، قدم بزرگی در درک بهتر ویدئوها توسط هوش مصنوعی برداشته‌اند. تا به حال، اکثر مدل‌های بینایی-زبانی (MLLMs) ویدئوها…

یکی از چالش‌های بزرگ مدل‌های چندوجهی (VLMs)، حجم بسیار زیاد توکن‌های تصویری است که باعث سنگین شدن محاسبات و مصرف زیاد حافظه (KV-cache) می‌شود.…