دسته: مقالات علمی

محققان در یک دستاورد علمی جدید، راهکار هوشمندانه‌ای برای حل مشکل «فقدان فضای نهفته» در مدل‌های دیفیوژن پیدا کرده‌اند. این روش که تحت عنوان…

مدل‌های چندوجهی (LVLMs) روز به روز هوشمندتر می‌شوند، اما آیا واقعاً به آنچه می‌بینند اعتماد داریم؟ پژوهشگران با معرفی بنچمارک جدید MVI-Bench، به سراغ…

مدل‌های فعلی در حوزه رانندگی خودران، اغلب به دلیل اتکا به «یادگیری تقلیدی» دچار خطاهایی مثل تشخیص اشتباه روابط علت و معلولی می‌شوند. حالا…

محققان در پژوهشی جدید، نقش حیاتی «عمق» (Depth) را در مدل‌های بینایی ماشین (Foundation Models) برای حوزه جراحی بررسی کردند. نتایج خیره‌کننده است: برخلاف…

حتماً شنیده‌اید که «مدل‌های بزرگتر و داده‌های بیشتر» همیشه کلید موفقیت در هوش مصنوعی هستند. اما یک تحقیق جدید روی پروژه‌های «دیدبانی زمین» (Earth…

تا به حال برایتان پیش آمده که بخواهید متنی را داخل یک عکس با هوش مصنوعی تغییر دهید، اما نتیجه نهایی تار یا ناخوانا…

محققان در یک دستاورد هیجان‌انگیز، تکنیک جدیدی به نام VST (Video Streaming Thinking) معرفی کردند که به مدل‌های ویدئویی (VideoLLMs) اجازه می‌دهد در لحظه…

مدل‌های زبانی چندوجهی (MLLM) علی‌رغم هوش بالایی که دارند، معمولاً در درک ابعاد سه‌بعدی و فیزیک محیط دچار ضعف هستند. حالا پژوهشگران با معرفی…

محققان در پژوهشی جدید، مدل انقلابی PICA را برای بهبود «تشخیص اشیاء با واژگان باز» (OVOD) معرفی کردند. مشکل اصلی مدل‌های قبلی این بود…

محققان به‌تازگی بنچمارک جدیدی به نام VidNum-1.4K معرفی کردند که توانایی مدل‌های زبانی-تصویری (VLM) را در «استدلال عددی» بر اساس ویدئو به چالش می‌کشد.…