دسته: مقالات علمی

محققان در پژوهشی جدید، راهکار نوآورانه‌ای به نام CSS-BA را برای بهبود عملیات «تطبیق دسته‌ای» (Bundle Adjustment) در بازسازی‌های سه‌بعدی معرفی کردند. این روش…

مدل‌های زبانی چندوجهی (LVLM) در دنیای پزشکی به شدت کاربردی شده‌اند، اما استفاده همزمان از چندین مدل متخصص، هزینه‌های محاسباتی سنگینی دارد. محققان با…

محققان در یک پژوهش جدید، راهکار جذابی برای حل چالش‌های تولید ویدیو توسط مدل‌های دیفیوژن ارائه کرده‌اند. مدل PE-Field 4D با استفاده از یک…

تا به حال فکر کرده‌اید چطور مدل‌های هوش مصنوعی (MLLMs) می‌توانند ساعت‌ها ویدیو را در چند ثانیه تحلیل کنند؟ محققان به‌تازگی متد هوشمند و…

محققان در پژوهشی جدید، از تکنیک‌های یادگیری ماشین برای شناسایی وضعیت سلامت و فنوتیپ ماهی‌های گورخر در مراحل رشد استفاده کرده‌اند. با ترکیب مدل‌های…

محققان در پژوهشی جدید، فریم‌ورک نوآورانه GoStop را معرفی کرده‌اند که یادگیری تقویتی (RL) را برای ردیابی اشیاء در «دوربین‌های رویداد» (Event Cameras) به…

تا به حال دقت کرده‌اید که مدل‌های تولید ویدیو (Text-to-Motion) معمولاً در زمان‌بندی دقیق حرکات مشکل دارند؟ مثلاً وقتی از آن‌ها می‌خواهید چهار ضربه…

محققان فریم‌ورک جدید و خلاقانه‌ای به نام Event3R را معرفی کرده‌اند که می‌تواند جریان‌های ناهمگام (asynchronous) دوربین‌های رویداد را مستقیماً به ابرهای نقطه‌ای سه‌بعدی…

مدل‌های زبانی بزرگ چندوجهی معمولاً برای تشخیص اشیاء در تصاویر، مختصات را به صورت متن تولید می‌کنند. اما یک مشکل بزرگ وجود دارد: تفاوت…

آیا هوش مصنوعی می‌تواند پاسپورت‌ها و کارت‌های شناسایی جعلی را شناسایی کند؟ نتایج سومین رقابت جهانی «تشخیص جعل اسناد» منتشر شد! 🏆 در این…