دسته: مقالات علمی

محققان در مطالعه جدیدی بررسی کردند که چگونه مدل‌های پایه بینایی (Vision Foundation Models) مانند SAM و DINOv3 می‌توانند دقت تشخیص اشیاء و پیکسل‌ها…

یکی از چالش‌های بزرگ در یادگیری مدل‌های بینایی-زبانی (VLM)، کمبود داده‌های برچسب‌گذاری شده است. محققان به تازگی روش جدیدی به نام HopS (مخفف Holistic…

تشخیص اشیاء استتار شده (COD) همیشه یکی از چالش‌های سخت برای هوش مصنوعی بوده، مخصوصاً وقتی بخواهیم مدل را روی دستگاه‌های کوچک اجرا کنیم…

آیا هوش مصنوعی در تشخیص کاربری زمین (LUSC) بهتر عمل می‌کند یا مدل‌های کلاسیک؟ در یک تحقیق جدید، محققان عملکرد Vision Transformerها (ViT) را…

محققان در مقاله‌ای جدید به راهکاری برای غلبه بر گلوگاه‌های پردازشی در مدل‌های «ادیت ویدیو» دست پیدا کردند. تا پیش از این، اکثر توجه‌ها…

تا به حال مدل‌های هوش مصنوعی فقط سطح پوست انسان را بازسازی می‌کردند، اما حالا با مدل جدید SOMA، وارد لایه‌های عمیق‌تر شده‌ایم! 🦾…

محققان در مقاله‌ای جدید، مدل «LaME» را معرفی کردند که دنیای Embeddingها (جاسازی‌های چندوجهی) را متحول کرده است. تا پیش از این، استفاده از…

مدل‌های بزرگ بینایی-زبانی (LVLMs) اغلب دچار توهم (Hallucination) می‌شوند و جزئیاتی را می‌سازند که در تصویر اصلی وجود ندارد. حالا محققان متد جدیدی به…

تا به حال به چالش تحلیل ویدیوهای طولانی در دستگاه‌های ضعیف فکر کرده‌اید؟ مدل‌های فعلی یا با کمبود قدرت سخت‌افزاری روبرو هستند یا پهنای…

محققان به تازگی روی مفهومی به نام «تولید ویدئوی خودکار» (Autonomous Video Generation) کار کرده‌اند که هدفش فراتر از ساخت یک ویدئوی ساده است.…