پرش به محتوای اصلی

موضوع

چندوجهی

Models that natively process text+image+audio+video

۱٬۶۶۴ مقاله منتشر شده

آموزش کاربردی

پایپ‌لاین استریمینگ انویدیا نیاز به دانلود ۷۰۷ گیگابایت داده‌های رباتیک را حذف

یک معماری جدید اجازه می‌دهد توسعه‌دهندگان بدون دانلود کامل مجموعه‌داده‌های حجیم NVIDIA Cosmos3-DROID، تنها بخش‌های مورد نیاز را به‌صورت لحظه‌ای استریم کنند. این روش مصرف فضای دیسک…

۱۳ دقیقه خواندن

«یادگیری از وب»؛ استراتژی Reka AI برای حذف داده‌های گران‌قیمت رباتیک

شرکت Reka AI مدل Rho-1 را معرفی کرد؛ یک مدل چندوجهی با ۱۹ میلیارد پارامتر که کنترل فیزیکی ربات‌ها را مستقیماً از طریق تحلیل ویدیوهای وب یاد می‌گیرد. این رویکرد نیاز به داده‌های…

۱ دقیقه خواندن
آموزش کاربردی

آیا یک API ساده می‌تواند جایگزین حلقه‌های تکرار در Super-Resolution شود؟

ابزار جدید Apify امکان بزرگ‌نمایی صدها تصویر را به‌صورت دسته‌ای و با مدل SeedVR2 فراهم می‌کند. این سیستم با حذف نیاز به مدیریت GPU و حلقه‌های تکرار دستی، فرآیند افزایش وضوح را به…

۸ دقیقه خواندن
آموزش کاربردی

ترجمه عصبی در برابر ابزارهای سنتی در انتقال مفاهیم منطقه‌ای

ابزارهای ترجمه سنتی به‌دلیل جایگزینی کلمه به کلمه، در انتقال لحن و اصطلاحات محلی شکست می‌خورند. مدل‌های مبتنی بر ترنسفورمر با تحلیل کل ساختار جمله، قصد نویسنده و اصطلاحات تخصصی را…

۱ دقیقه خواندن
آموزش کاربردی

۲۲٪ از برترین پرامپت‌های تصویری از قالب‌های کدنویسی استفاده می‌کنند

تحلیل ۱۴۴۶ پرامپت محبوب نشان می‌دهد که سازندگان حرفه‌ای از پرس‌وجوهای ساده به سمت قالب‌های ساختاریافته و JSON حرکت کرده‌اند. این رویکرد اجازه می‌دهد تصاویر به جای درخواست‌های…

۳ دقیقه خواندن
آموزش کاربردی

درون معماری ابزارهای تدوین مدرن؛ از قطعه‌بندی اشیا تا تحلیل گفتار

ابزارهای مدرن تدوین از برش‌های ساده به «خواندن» محتوا از طریق تبدیل گفتار به متن و قطعه‌بندی اشیا تغییر مسیر داده‌اند. اکنون تدوینگران می‌توانند تنها با حذف یک جمله از متن، کلیپ…

۳ دقیقه خواندن

آیا یک مدل مولد می‌تواند جایگزین تمام مراحل توصیهٔ محتوا شود؟

یاندکس مدل مولد Sona را برای جایگزینی کل زنجیرهٔ سنتی توصیه‌گرها مستقر کرد. این سیستم با حذف ۱۵ تولیدکنندهٔ کاندید و ویژگی‌های دستی، نرخ تعامل کاربران در بلندگوهای هوشمند را…

۵ دقیقه خواندن