
درون معماری FeyNoBg؛ راهکار مدلهای عمیق برای رزولوشنهای فوقبالا
مدل متنباز FeyNoBg با گسترش معماری BiRefNet و تنوعبخشی به دادههای آموزشی، استانداردهای حذف خودکار پسزمینه را جابهجا کرد. این مدل بهویژه در سناریوهای دشوار مانند تصاویر…
موضوع
Models that natively process text+image+audio+video
۱٬۴۲۶ مقاله منتشر شده

مدل متنباز FeyNoBg با گسترش معماری BiRefNet و تنوعبخشی به دادههای آموزشی، استانداردهای حذف خودکار پسزمینه را جابهجا کرد. این مدل بهویژه در سناریوهای دشوار مانند تصاویر…

متا دستیار هوشمند خود را به پیامهای خصوصی (DM) تردز آورد تا کاربران بدون خروج از محیط چت به ابزارهای AI دسترسی داشته باشند. هدف این حرکت، حبس کاربر در اکوسیستم متا و کاهش جذابیت…

استارتاپ Enigma با جذب ۷۰ میلیون دلار سرمایه، به جای تمرکز بر مغز رباتها، روی رابط کاربری متمرکز شده است. این شرکت با اجرای یک آزمایش جهانی روی ۱۰۰ ربات، بهدنبال کشف مکانیزمی…

انویدیا شبیهسازی Cosmos-H-Dreams را معرفی کرد که محیطهای جراحی را با دقت فیزیکی و سرعت بالا بازسازی میکند. این سیستم با استفاده از تکنیک تقطیر مدل، امکان تمرین جراحی در زمان…

سرویس GoldBean API با حذف نیاز به شماره تلفن و کارت شناسایی چینی، دسترسی توسعهدهندگان به اکوسیستم هوش مصنوعی Baidu را ممکن کرد. این درگاه ۵۳ نقطه اتصال (Endpoint) از جمله مدلهای…

پلتفرم Sidechalk با تغییر رویکرد از نظارت بر نقاط اتصال به ردیابی کامل چرخهٔ حیات عاملهای هوش مصنوعی، نقاط کور telemetry در جریانهای صوتی چندوجهی را حذف کرد. این سیستم اکنون با…

یک چارچوب جدید برای تولید میمها، پرامپتها را به عنوان «مشخصات برنامه» تعریف میکند تا خطاهای نوشتاری مدلهای تصویری حذف شوند. این روش با جداسازی سلسلهمراتب بصری از توصیفات…

شرکت Encord با همکاری Zander Labs از حسگرهای امواج مغزی و سیگنالهای عضلانی برای تولید دادههای آموزشی با دقت بالا در هوش مصنوعی فیزیکی استفاده میکند. هدف این پروژه رفع کمبود…

شرکت Black Forest Labs مدل بنیاد چندوجهی FLUX 3 را معرفی کرد که قادر است ویدیو، صدا و پیشبینیهای حرکتی ربات را تنها با یک مجموعه وزن تولید کند. این مدل با استفاده از معماری…

شرکت xAI حالت جدیدی به نام Quality Mode را برای API مدل Grok Imagine معرفی کرد که بر واقعگرایی و رندر دقیق متن تمرکز دارد. این مدل با قرارگیری در ۵ رتبه اول LMArena، استانداردهای…

ابزار متنباز Crossguard-py با حذف فیزیکی نقاط پنهانسازی کد در تصاویر، تزریقهای پرامپت مبتنی بر تصویر را بهطور مؤثر خنثی میکند. این سیستم در بررسی ۱۰۸٬۰۱۵ نمونه، تقریباً تمام…

افزایش شدید کلاهبرداریهای دیجیتال در هند، شکست گسترده در حلقههای تأیید هویت را برملا کرد. متخصصان اکنون خواستار دسترسی محققان مستقل به ابزارهای تخصصی مقایسه چهره برای ردیابی…