سرگرمی و خلاقیت

چارچوب EBOD با ادغام SAM3 و DINOv3، خطاهای تکراری در تشخیص اشیاء را بدون نیاز به آموزش مجدد مدل حذف می‌کند. این رویکرد هزینه‌های محاسباتی سنگین را کنار گذاشته و یادگیری از…

یک مطالعه جدید نشان می‌دهد مقاومت مدل‌های بینایی در برابر حملات خصمانه ناشی از فیلترهای فرکانسی نیست، بلکه ریشه در هندسه‌ی بازنمایی شبیه به انسان دارد. این کشف، مسیر مقابله با…

پژوهشگران با معرفی متد HAAD، شناسایی جعل‌های عمیق را از تحلیل الگوهای بصری به تحلیل پایداری فیزیکی منتقل کردند. این رویکرد با شناسایی «ناپایداری‌های انرژی» در تصاویر مصنوعی، نیاز…

پژوهشگران با معرفی چارچوب EBM-RL، فرآیند ادراک، استدلال و بیان را از هم تفکیک کردند تا نقش‌آفرینی در ویدئو را متحول کنند. این مدل با استفاده از چهار پاداش مجزا، هماهنگی میان…

نقشه‌های جریان با جایگزینی پیش‌بینی سرعت‌های محلی با انتگرال‌گیری از مسیر، مدل‌های انتشار را متحول می‌کنند. این رویکرد اجازه می‌دهد تصاویر و ویدیوهای باکیفیت تنها در ۱ تا ۸ گام…

متا برای شناسایی کاربران زیر ۱۳ سال، از هوش مصنوعی برای تحلیل ساختار استخوانی و قد در عکس‌ها استفاده می‌کند. این اقدام تهاجمی در پاسخ به جریمه ۳۷۵ میلیون دلاری شرکت در زمینه ایمنی…

آکادمی اسکار هرگونه اثر یا بازیگری تولید شده توسط هوش مصنوعی را از چرخه جوایز حذف کرد. طبق قوانین جدید، اثبات نویسندگی و اجرای انسانی برای شرکت در رقابت‌ها اجباری است.

مدیرعامل Runway معتقد است تولید ویدیو تنها پیش‌درآمدی برای خلق «مدل‌های جهان» است که واقعیت فیزیکی را شبیه‌سازی می‌کنند. این چرخش استراتژیک، هدف شرکت را از ابزارهای سینمایی به سمت…

تیم Deep-unlearning با معرفی smol-audio، دسترسی به تنظیم دقیق مدل‌های پیشرفته‌ی صوتی را از طریق نوت‌بوک‌های آماده‌ی Colab ممکن کرد. این ابزار با بهره‌گیری از اکوسیستم Hugging…

شرکت Mistral AI مدل Voxtral TTS را معرفی کرد؛ یک مدل ۴ میلیارد پارامتری که در طبیعی بودن صدا، ElevenLabs را شکست می‌دهد. این مدل با تأخیر بسیار کم و قابلیت تطبیق سریع صدا،…

تولید ویدئو با هوش مصنوعی از ابر به دسکتاپ نقل مکان کرده است. مدل‌های جدیدی مانند HunyuanVideo کیفیت تجاری را روی سخت‌افزارهای مصرف‌کننده ممکن کرده‌اند و نیاز به اشتراک‌های…