پرش به محتوای اصلی

موضوع

چندوجهی

Models that natively process text+image+audio+video

۱٬۶۶۴ مقاله منتشر شده

زندگی با AI

بررسی DwellShift: تصاویر هوش مصنوعی برای اجرای عملی ساخت‌وساز ناکارآمدند

بررسی ابزار DwellShift نشان می‌دهد تصاویر صیقل‌خورده هوش مصنوعی برای اجرای عملی ساخت‌وساز گمراه‌کننده هستند، اما در تبدیل ایده‌های مبهم به مفاهیم بصری کاربرد دارند. ارزش واقعی این…

۳ دقیقه خواندن۳
اخبار کوتاه روزانهگزارش تأییدنشده

«قانونی کردن Gemini»؛ هدف گوگل از مذاکره با استودیوهای سینمایی

گوگل برای آموزش مدل‌های هوش مصنوعی خود با استودیوهای بزرگی چون دیزنی وارد مذاکره شده است. این استراتژی تلاشی است برای تبدیل Gemini از یک ابزار بحث‌برانگیز به یک محصول سرگرمیِ…

۳ دقیقه خواندن۱
آموزش کاربردی

تجزیه‌کننده‌های تخصصی در برابر مدل‌های چندوجهی برای کاهش هزینه‌های پردازش

یک الگوی معماری جدید، فراخوانی‌های گران‌قیمت مدل‌های چندوجهی را با خط لوله‌ای از تجزیه‌کننده‌های تخصصی و اعتبارسنجی قطعی جایگزین می‌کند. این روش هزینه‌ها را به‌جای حجم کل اسناد،…

۸ دقیقه خواندن
آموزش کاربردی

درون معماری Tsubaki.3؛ چرا تصاویر مرجع در مقیاس بالا شکست می‌خورند

آزمون‌های مدل Tsubaki.3 نشان می‌دهد که با افزایش تعداد پنل‌ها در یک تصویر، جزئیات ظریف شخصیت‌ها حذف می‌شوند. این یافته‌ها ثابت می‌کند که مدل‌های تبدیل متن به تصویر با محدودیت…

۵ دقیقه خواندن۱
آموزش کاربردی

کاهش هزینه‌های استودیویی برندهای تجاری با عکاسی محصول مبتنی بر هوش مصنوعی

ابزارهای خلاقیت مبتنی بر هوش مصنوعی اکنون امکان تولید عکس‌های حرفه‌ای استودیویی و لایف‌استایل را تنها با یک تصویر مرجع فراهم کرده‌اند. این تحول نیاز به مدل‌های انسانی، تجهیزات…

۵ دقیقه خواندن۳

«تولید فریم‌به‌فریم»، راهکار Runway برای حذف چیدمان‌های ثابت نرم‌افزاری

سیستم Solaris از شرکت Runway رابط‌های کاربری را به‌جای اجرای کد، به‌صورت فریم‌به‌فریم و در قالب ویدیو تولید می‌کند. این رویکرد اجازه می‌دهد اپلیکیشن‌ها به‌صورت آنی با نیاز کاربر…

۲ دقیقه خواندن۲

مدل‌های عامل‌محور در برابر مدل‌های سنتی تصویرساز در اکوسیستم متا

متا نخستین مدل تصویرساز عامل‌محور خود به نام Muse Image را برای توسعه‌دهندگان در دسترس قرار داد. این مدل برخلاف مدل‌های سنتی، از معماری برنامه‌ریز-پخش‌کننده برای جست‌وجوی وب،…

۵ دقیقه خواندن۱
آموزش کاربردی

کتابخانه NobodyWho استقرار کامل هوش مصنوعی محلی را در اکوسیستم اپل ممکن کرد

کتابخانه NobodyWho با حذف نیاز به APIهای ابری، امکان اجرای مدل‌های زبانی، تبدیل گفتار به متن و مدل‌های چندوجهی را مستقیماً روی iOS و macOS فراهم می‌کند. این ابزار با استفاده از…

۸ دقیقه خواندن۲