دسته: مقالات علمی

محققان در مقاله جدیدی، فریم‌ورک هوشمند «FreqLF» را برای تخمین عمق و ناهمگونی (Disparity) در تصاویر میدان‌نوری (Light-Field) معرفی کرده‌اند. این روش با استفاده…

مدل‌های تبدیل متن به تصویر (T2I) با وجود قابلیت‌های شگفت‌انگیز، گاهی اوقات محتوای نامناسب تولید می‌کنند. حالا محققان روش جدیدی به نام «Introspective Attention…

محققان در مقاله جدیدی، فریم‌ورک نوآورانه‌ای به نام «DINE» را معرفی کرده‌اند که تحولی در «ثبت ابر نقاط» (Point Cloud Registration) در بافت‌های نرم…

محققان در یک مقاله جدید، معماری خلاقانه «UPrompt» را برای حل چالش همیشگیِ «دقت در جزئیات» در مدل‌های بینایی-زبانی (Vision-Language Models) معرفی کرده‌اند. این…

محققان ابزار جدیدی به نام Stitch-Inferencer معرفی کرده‌اند که دنیای اندوسکوپی و جراحی با کمک ربات را دگرگون می‌کند. یکی از چالش‌های اصلی در…

محققان در مقاله جدیدی از روشی به نام «SimVLA» رونمایی کرده‌اند که استانداردهای حملات تقابلی (Adversarial Attacks) علیه مدل‌های بینایی-زبانی (VLPMs) را تغییر می‌دهد.…

حذف اشیاء از ویدیو همیشه یکی از چالش‌های بزرگ بوده؛ یا کیفیت پایینی داشته و یا مثل مدل‌های دیفیوژن، زمان زیادی برای رندر نیاز…

محققان در مقاله جدیدی از مدل نوآورانه JADE-GS رونمایی کرده‌اند که تحولی در بازسازی تصاویر و مدل‌های سه‌بعدی ایجاد می‌کند. این مدل با استفاده…

محققان با معرفی Wan-Streamer v0.3، مدل مفهومی جدیدی ارائه داده‌اند که ویدیو را ترکیبی از یک «جهان ثابت» و یک «جریان رویداد» می‌بیند. این…

محققان در مقاله تازه‌ای، راهکار هوشمندانه‌ای برای حل چالش «برچسب‌گذاری» در تصاویر سه‌بعدی ارائه داده‌اند! این روش که با ترکیب مدل قدرتمند SAM و…