پرش به محتوای اصلی

موضوع

چندوجهی

Models that natively process text+image+audio+video

۱٬۶۶۴ مقاله منتشر شده

قمار ۷۰ میلیون دلاری Enigma برای تبدیل کنترل ربات‌ها به یک پیچ تنظیم

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…

۴ دقیقه خواندن۳
آموزش کاربردی

انویدیا سرعت شبیه‌ساز جراحی Cosmos-H-Dreams را به ۱۶۰ فریم بر ثانیه رساند

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…

۶ دقیقه خواندن۲
آموزش کاربردی

«جداسازی سلسله‌مراتب بصری»؛ راهکار جدید برای تولید متون خوانا در میم‌ها

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…

۳ دقیقه خواندن

Zander Labs: حسگرهای عصبی دقت آموزشی ربات‌های انسان‌نما را بالا بردند

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…

۵ دقیقه خواندن۲

مدل FLUX 3 ویدیو، صدا و حرکات رباتیک را در یک مجموعه وزن‌ها یکپارچه کرد

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…

۳ دقیقه خواندن۱
آموزش کاربردی

«پاک‌سازی فیزیکی نقاط پنهان»؛ راهکار Crossguard-py برای توقف حملات استگانوگرافیک

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…

۷ دقیقه خواندن۱
آموزش کاربردی

بانک مرکزی هند: نرخ کلاهبرداری‌های دیجیتال ۱۶۸٪ افزایش یافت

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…

۳ دقیقه خواندن۴
آموزش کاربردی

پشت‌پردهٔ تبدیل لینک یوتیوب به متن؛ چرا ابزارهای رایگان در ویدیوهای بلند شکست

ابزارهای رایگان تبدیل ویدیو به متن از یک درخت تصمیم چندمرحله‌ای استفاده می‌کنند تا هزینه‌های پردازشی را کاهش دهند. این سازوکار توضیح می‌دهد چرا بسیاری از این ابزارها در مواجهه با…

۲ دقیقه خواندن