چندوجهی

مدل جدید علی‌بابا، Qwen Image 3.0 Pro، اکنون از طریق API رایگان ofox در دسترس است. این مدل استانداردهای جدیدی در تایپوگرافی و رندر متون چینی ایجاد کرده، اما در داده‌های متوالی مثل…

شرکت TwelveLabs با معرفی زیرساخت Jockey، رویکرد سنتی «مجموعه‌ای از فریم‌ها» را در تحلیل ویدیو به چالش می‌کشد. این سیستم با ایجاد یک لایه حافظه اختصاصی، ویدیو را به‌جای تصاویر…

محک جدید Drone-Bench نشان می‌دهد مدل‌های هوش مصنوعی پیشرو در حال حاضر قادر به اجرای زنجیره‌ای از وظایف برای نظارت خودمختار نیستند. اگرچه این مدل‌ها در تک‌وظیفه‌ها موفق‌اند، اما در…

متا با معرفی مدل Muse Spark 1.1، چت‌بات خود را از یک ابزار سرگرمی به دستیاری برای مدیریت زمان و انجام خودکار تکالیف تبدیل کرد. این به‌روزرسانی برای رقابت مستقیم با گوگل و OpenAI…

متا اپلیکیشن اختصاصی Seller را برای تغییر ماهیت Marketplace از یک تابلوی محله‌ای به یک فروشگاه تخصصی معرفی کرد. این ابزار با بهره‌گیری از هوش مصنوعی، فرآیند ثبت کالا را خودکار…

آزمایشگاه AMI Labs با جذب بزرگ‌ترین سرمایه اولیه در تاریخ اروپا، قصد دارد با استفاده از معماری JEPA، مدل‌هایی بسازد که قوانین فیزیکی جهان را می‌فهمند. هدف این پروژه عبور از…

مقایسه‌ای جامع بین PixAI و Tensor.Art نشان می‌دهد که پیچیدگی بیش از حد و تنظیمات پیش‌فرض پنهان، دقت مدل را کاهش می‌دهد. در حالی که PixAI با رویکردی ساده بر حفظ تداوم شخصیت‌ها…

پلتفرم Seedance برای تشویق توسعه‌دهندگان به آزمایش مدل ویدئویی فعلی خود، طرح بازگشت اعتبار را معرفی کرد. کاربرانی که اکنون از Seedance 2 استفاده کنند، پس از عرضه نسخه ۲.۵، تمام…

پلتفرم Afrigen تولید ویدیوهای باکیفیت از متن را برای هنرمندان آفریقایی ممکن کرده است. این ابزار با حذف نیاز به تجهیزات گران‌قیمت، سد ورود به دنیای داستان‌سرایی دیجیتال را می‌شکند.

بایدو با معرفی Unlimited-OCR، فرآیند استخراج متن و جدول از اسناد پیچیده را به یک تک‌مرحله تبدیل کرد. این مدل بینایی-زبانی با ۳ میلیارد پارامتر، نیاز به مراحل مجزای تشخیص چیدمان را…

مدل‌های تبدیل متن به تصویر به‌دلیل نبود حافظه فضایی سه‌بعدی، در تغییر زاویه دوربین دچار خطا می‌شوند. راهکار جایگزین، استفاده از مدل‌های ویدئویی برای ایجاد گذارهای منطقی میان دو…

راجر دیکی با استفاده از داده‌های ردیابی PFF، یک پخش‌کننده ویدئویی سه‌بعدی ساخت که بازی‌های جام جهانی را به محیط‌های تعاملی تبدیل می‌کند. این پروژه نشان می‌دهد چگونه ترکیب مختصات…