پرش به محتوای اصلی

دسته‌بندی

سرگرمی و خلاقیت

تولید تصویر و ویدیو، صدای مصنوعی، هنر و موسیقی هوشمند، بازی‌ها و وجه سرگرم‌کننده‌ی AI.

۶۸۷ مقاله منتشر شده

پایان انحصار بودجه‌های میلیونی؛ هر کسب‌وکار کوچکی حالا یک استودیوی تبلیغاتی دارد

پایان انحصار بودجه‌های میلیونی؛ هر کسب‌وکار کوچکی حالا یک استودیوی تبلیغاتی دارد

گوگل با پروژه «The Small Brief» و ابزار Flow AI، امکان تولید تبلیغات سطح جهانی را برای کسب‌وکارهای کوچک فراهم کرده است. این اقدام، شکاف بصری میان برندهای محلی و غول‌های تجاری را…

۲ دقیقه خواندن۲
خطای هندسی پنهانی که دقت مدل‌های چندوجهی شما را می‌کشد

خطای هندسی پنهانی که دقت مدل‌های چندوجهی شما را می‌کشد

پژوهشگران با معرفی روش DP-FM، مشکل اعوجاج‌های هندسی در تطبیق مدل‌های بینایی-زبانی را حل کردند. این متد با جداسازی دینامیک‌های شعاعی و زاویه‌ای، رکورد جدیدی در ۱۱ بنچمارک مختلف ثبت…

۲ دقیقه خواندن۲
پایان کابوس انگشت‌های ششم؛ رمزگشایی از هندسه‌ی توهمات AI

پایان کابوس انگشت‌های ششم؛ رمزگشایی از هندسه‌ی توهمات AI

پژوهشگران علت توهمات ساختاری در مدل‌های انتشار را در ناپایداری‌های هندسی یافتند. روش جدیدی به نام فرونشانی ذاتی (IQ) می‌تواند با اصلاح ابعاد مدل، دقت آناتومیک تصاویر، به‌ویژه در…

۲ دقیقه خواندن۱
داده‌های جدید Arxiv: مدل DART دقت بازرسی کابل‌ها را ۳۸٪ جهش داد

داده‌های جدید Arxiv: مدل DART دقت بازرسی کابل‌ها را ۳۸٪ جهش داد

مدل DART با ترکیب بینایی و زبان، بازرسی کابل‌های صنعتی را خودکار کرده و دقت تشخیص آسیب را به شکل چشم‌گیری افزایش داده است. این سیستم بدون نیاز به تنظیم دقیق، شدت آسیب را تخمین زده…

۲ دقیقه خواندن۳
پایان تبعیض نژادی در تشخیص گلوکوم؛ رمزگشایی از مدل FairEnc

پایان تبعیض نژادی در تشخیص گلوکوم؛ رمزگشایی از مدل FairEnc

پژوهشگران با معرفی مدل FairEnc توانستند سوگیری‌های نژادی و جنسیتی را از سیستم‌های تشخیص بیماری گلوکوم حذف کنند. این مدل چندوجهی با استفاده از داده‌های مصنوعی و یادگیری تقابلی، دقت…

۲ دقیقه خواندن۲
درون معماری FLO-EMD: پایان توهمات بصری در سیستم‌های مدیریت شهری

درون معماری FLO-EMD: پایان توهمات بصری در سیستم‌های مدیریت شهری

پژوهشگران با معرفی چارچوب FLO-EMD، دقت تشخیص ترافیک شهری را به ۹۷.۵ درصد رساندند. این سیستم با ترکیب تحلیل‌های مکانی و دینامیک‌های زمانی، مشکل خطاهای بصری در مدل‌های سنتی را حل…

۲ دقیقه خواندن۱
فریب خوردن انسان‌ها؛ حقیقت تکان‌دهنده درباره‌ی تشخیص جعل عمیق

فریب خوردن انسان‌ها؛ حقیقت تکان‌دهنده درباره‌ی تشخیص جعل عمیق

انسان‌ها در شناسایی جعل‌های عمیق پیشرفته، به‌ویژه مدل‌های ترکیبی صوتی-تصویری، به‌شدت ناتوان هستند. این مطالعه نشان می‌دهد که تکیه بر شهود انسانی برای تشخیص محتوای دست‌کاری‌شده…

۲ دقیقه خواندن۱
تثبیت هویت بصری در ویدیو؛ FaithfulFaces چگونه دگرگونی چهره را متوقف کرد

تثبیت هویت بصری در ویدیو؛ FaithfulFaces چگونه دگرگونی چهره را متوقف کرد

پژوهشگران با معرفی FaithfulFaces، مشکل تغییر ناگهانی چهره در ویدیوهای تولید شده توسط هوش مصنوعی را حل کردند. این سیستم با استفاده از بردار معنایی زوایای اویلر، ثبات چهره را حتی در…

۲ دقیقه خواندن۱
روشی که خاطرات بصری شما را از اسکن مغزی استخراج می‌کند

روشی که خاطرات بصری شما را از اسکن مغزی استخراج می‌کند

پژوهشگران چارچوب MB2L را برای همراستاسازی سیگنال‌های EEG با تصاویر دیجیتال توسعه داده‌اند. این سیستم با تقلید از پردازش‌های قشر مغز، دقت خیره‌کننده‌ای در بازیابی تصاویر بدون آموزش…

۲ دقیقه خواندن۳
پایان سلطه‌ی برچسب‌های دستی؛ RefCD چگونه دسته‌بندی اشیاء را خودکار کرد؟

پایان سلطه‌ی برچسب‌های دستی؛ RefCD چگونه دسته‌بندی اشیاء را خودکار کرد؟

پژوهشگران با معرفی RefCD، عصر جدیدی از تشخیص اشیاء بدون نیاز به برچسب‌های انسانی را آغاز کردند. این مدل با تکیه بر شباهت ویژگی‌ها، شکاف میان روش‌های گران‌قیمت تک-نمونه و مدل‌های…

۲ دقیقه خواندن۲