پرش به محتوای اصلی

موضوع

چندوجهی

Models that natively process text+image+audio+video

۱٬۶۶۴ مقاله منتشر شده

آموزش کاربردی

پژوهش جدید: شکست CLIP و BLIP در تشخیص تفاوت‌های جزئی محصولات

آزمایش‌های جدید نشان می‌دهد مدل‌های هوش مصنوعی چندوجهی در شناسایی تفاوت‌های کوچک بین برندها و سایز محصولات شکست می‌خورند. این نقص در دقت، کنترل کیفیت خودکار در تجارت الکترونیک را…

۷ دقیقه خواندن

عینک‌های هوشمند سامسونگ با عمر باتری ۹ ساعته و ادغام Gemini

سامسونگ با همکاری گوگل، جنتل مونستر و واربی پارکر، عینک‌های هوشمند سطح بالایی را معرفی کرد که با عمر باتری ۹ ساعته، تجربه استفاده از هوش مصنوعی را به دنیای واقعی می‌آورند. این…

۲ دقیقه خواندن
آموزش کاربردی

«تثبیت جزئیات»؛ راهکار جدید برای تولید تصاویر پیوسته از یک شخصیت

یک گردش‌کار جدید در هوش مصنوعی امکان تولید ورقه‌های چند-فیگوری (Pose Sheets) را از طریق یک تصویر مرجع فراهم می‌کند. این روش با ترکیب پرامپت‌های ساختاریافته و تثبیت جزئیات، مشکل…

۳ دقیقه خواندن۲

مدل Inkling: فعال‌سازی ۴٪ پارامترها برای مدیریت ظرفیت یک تریلیون

مدل Inkling با بهره‌گیری از معماری پراکنده (Sparse)، ظرفیت عظیم ۹۷۵ میلیارد پارامتری خود را مدیریت می‌کند اما در هر لحظه تنها بخشی کوچک از شبکه را فعال می‌کند. این رویکرد اجازه…

۱ دقیقه خواندن۱
آموزش کاربردی

«دسترسی مستقیم به ثانیه‌های کلیدی»؛ راهکار جدید بازیابی داده در ویدئو

بسیاری از سازمان‌ها با مشکل بازیابی داده از ویدئوهای طولانی دست‌وپنجه نرم می‌کنند. تبدیل متن به داده‌های ناوبری با استفاده از برچسب‌های زمانی، امکان دسترسی مستقیم به ثانیه‌های…

۸ دقیقه خواندن۱
آموزش کاربردی

تحلیل معماری جدید: جایگزینی خط‌لوله‌های ایستا با سامانه‌های شناختی

معماری خودروهای خودران از سیستم‌های ادغام سنسور ایستا به سمت سامانه‌های شناختی مبتنی بر مدل‌های زبانی بزرگ حرکت می‌کند. این تغییر مسیر، توانایی تفسیر قوانین پیچیده ترافیکی و تولید…

۲ دقیقه خواندن