پرش به محتوای اصلی

موضوع

چندوجهی

Models that natively process text+image+audio+video

۱٬۶۶۴ مقاله منتشر شده

آموزش کاربردی

جایگزینی پرامپت‌های واحد با خط لوله ۸ مرحله‌ای برای انیمیشن‌های سازگار

یک متد تولید ماژولار، امید به «پرامپت جادویی» را با یک خط لوله ساختاریافته از دارایی‌ها و فریم‌ها جایگزین کرده است. این روش با تقسیم انیمیشن به ۸ وظیفه کوچک، ثبات شخصیت و محیط را…

۲۱ دقیقه خواندن

Odyssey-3 چگونه رباتیک واقعی را با دنیای مجازی پیوند می‌زند؟

مدل Odyssey-3 محیط‌های شبیه‌سازی‌شده‌ای می‌سازد که قوانین فیزیک در آن‌ها صادق است و کاربر می‌تواند در لحظه با آن‌ها تعامل داشته باشد. این فناوری فاصله میان دنیای مجازی و رباتیک…

۴ دقیقه خواندن
آموزش کاربردی

Verdantra: ثبت خاطرات گیاه‌شناسی با مدل‌های هوش مصنوعی محلی و آفلاین

پروژه متن‌باز Verdantra با ترکیب مدل‌های محلی و ابری، شناسایی طبیعت را بدون نیاز به اینترنت ممکن می‌کند. این ابزار به‌جای ارائه پاسخ‌های قطعی، بر «تردید صادقانه» تأکید دارد تا…

۳ دقیقه خواندن
آموزش کاربردی

تثبیت هویت بصری در ویدیوهای چندنفره با مکانیزم لنگر انداختن صریح

پدیده «لغزش هویت» در ویدیوهای تولید شده توسط هوش مصنوعی باعث ادغام یا جابه‌جایی چهره‌ها در صحنه‌های چندنفره می‌شود. یک چارچوب مهندسی جدید با استفاده از بردارهای معنایی مجزا و…

۵ دقیقه خواندن
آموزش کاربردی

WhisperTrail با استنتاج محلی در مرورگر، زمان حضور در طبیعت را افزایش داد

پروژه متن‌باز WhisperTrail با انتقال پردازش هوش مصنوعی به مرورگر کاربر، امکان ثبت خاطرات طبیعت را بدون نیاز به ارسال داده به سرور فراهم می‌کند. این رویکرد با هدف کاهش وابستگی به…

۳ دقیقه خواندن۲
آموزش کاربردی

معماری Meta Muse و استراتژی دفاعی در برابر تزریق پرامپت غیرمستقیم

معماری Muse شرکت متا نشان می‌دهد که چگونه عامل‌های هوش مصنوعی از طریق محتوای وب یا اسناد آلوده به کنترل مهاجمان درمی‌آیند. برای مقابله با این تهدید، متا سیستمی با لایه‌های دفاعی…

۱۰ دقیقه خواندن
آموزش کاربردی

جایگزینی پرامپت با نقشه‌برداری چهره در سیستم ویدیوهای Rumpelstiltskin

یک گردش‌کار جدید در تولید ویدیو، مهندسی پرامپت پیچیده را با نقشه‌برداری مستقیم چهره بر روی صحنه‌های پیش‌فرض جایگزین کرده است. این سیستم به‌جای تولید ویدیوهای تصادفی، بر تبدیل‌های…

۳ دقیقه خواندن