پرش به محتوای اصلی

موضوع

چندوجهی

Models that natively process text+image+audio+video

۱٬۶۶۴ مقاله منتشر شده

آموزش کاربردی

«جایگزینی اقتصادی برای استودیوها»؛ قابلیت جدید رندرینگ عصبی TalkPix

پلتفرم TalkPix AI با استفاده از رندرینگ عصبی، امکان تبدیل پرتره‌های ایستا به ویدیوهای همگام با لب (Lip-sync) را فراهم کرده است. این ابزار جایگزینی اقتصادی برای استودیوهای ضبط است…

۲ دقیقه خواندن۲
آموزش کاربردی

قالب‌های ساختاریافته در برابر پرامپت‌های متنی برای طراحی داخلی هوشمند

رویکرد جدیدی در طراحی داخلی با هوش مصنوعی، بار مهندسی پرامپت را از دوش کاربر برداشته و سلیقه‌های مبهم انسانی را به محدودیت‌های طراحی ساختاریافته تبدیل می‌کند. هدف این سیستم تولید…

۱۰ دقیقه خواندن۱
آموزش کاربردی

«تفاوت دیالوگ و سکوت»؛ کلید کاهش خطای سیستم‌های کپشن‌نویس هوشمند

یک توسعه‌دهنده دریافت که استفاده از درصد زمان کلی کلیپ برای شناسایی خطاهای زیرنویس باعث حذف ویدیوهای سالم می‌شود. جایگزینی این معیار با «تعداد کلمات در ثانیه» به سیستم اجازه…

۶ دقیقه خواندن۱

«کاهش هزینه‌های استنتاج»؛ دستاورد متدهای جدید در بهینه‌سازی مدل‌های زبانی

پژوهش‌های جدید نشان می‌دهند که می‌توان بدون به‌روزرسانی کامل وزن‌های مدل، هزینه‌های استنتاج را به‌شدت کاهش داد. متدهای WHALE و Random Attention با بهینه‌سازی پرامپت‌ها و تغییر در…

۴ دقیقه خواندن۲
آموزش کاربردی

درون معماری ترنسفورمرهای چندوجهی؛ تبدیل پیکسل‌ها به توکن‌های زبانی

هوش مصنوعی چندوجهی مدرن به‌جای آموزش مستقیم مدل‌های زبانی برای «دیدن»، از رمزگذارهای بینایی و رابط‌های متصل‌کننده برای ترجمه تصاویر به زبانی استفاده می‌کند که ترنسفورمرها پیش‌تر…

۱۸ دقیقه خواندن۳
آموزش کاربردی

آیا پردازش محلی در مرورگر جایگزین آپلود ویدیو در سرور می‌شود؟

یک گردش‌کار جدید مبتنی بر مرورگر، امکان افزایش وضوح ویدیوهای کم‌کیفیت به 8K را بدون نیاز به آپلود فایل در سرور فراهم می‌کند. این ابزار با انتقال پردازش به سخت‌افزار کاربر، حریم…

۲ دقیقه خواندن۱
آموزش کاربردی

مدل‌های بینایی ۸ میلیاردی در برابر سامانه‌های پیچیدهٔ استخراج سند

مدل جدید بینایی-زبانی علی‌بابا با ۸ میلیارد پارامتر، استخراج دقیق داده‌های ساختاریافته از تصاویر را روی یک GPU ممکن می‌کند. این مدل با پنجره متنی ۲۶۲ هزار توکنی، جایگزینی ارزان و…

۷ دقیقه خواندن۳