پرش به محتوای اصلی

موضوع

چندوجهی

Models that natively process text+image+audio+video

۱٬۶۶۴ مقاله منتشر شده

آموزش کاربردی

رایانش مکانی در برابر نقشه‌های دوبعدی؛ تحولی در ناوبری داخلی

نقشه‌های داخلی سنتی به دلیل تحمیل بار ذهنی برای تبدیل تصویر دوبعدی به حرکت سه‌بعدی شکست می‌خورند. رایانش مکانی با ادغام مسیریابی زمینه‌ای و بلادرنگ در محیط فیزیکی، این شکاف شناختی…

۴ دقیقه خواندن۱
آموزش کاربردی

۶ وظیفهٔ کلیدی بینایی ماشین که بازگشت سرمایهٔ صنعتی را به ۶ ماه رساند

تحلیلی جامع از انتقال بینایی ماشین از محیط‌های پژوهشی به خط تولید نشان می‌دهد که ۶ قابلیت اصلی، از تشخیص اشیا تا تخمین ژست، اکنون در صنایع تولید و سلامت بازگشت سرمایهٔ سریع ایجاد…

۱۵ دقیقه خواندن۳
آموزش کاربردی

معماری «اسلات» جایگزین پرامپت‌های متنی برای تولید مجموعه‌های تصویری سازگار شد

نوشتن توصیفات متنی بلند باعث نتایج پیش‌بینی‌ناپذیر می‌شود چون مدل‌ها توکن‌ها را به دستور زبان ترجیح می‌دهند. استفاده از یک کامپایلر پایتونی برای تبدیل پرامپت‌ها به داده‌های…

۷ دقیقه خواندن۱

جذب سرمایه ۴۳۹ میلیون دلاری PixVerse؛ ارزش این استارتاپ ویدیو به ۲ میلیارد دلار

شرکت PixVerse با جذب ۴۳۹ میلیون دلار در مرحلهی تکمیلی سری C، ارزش بازار خود را به ۲ میلیارد دلار رساند. این استارتاپ سنگاپوری اکنون در رقابت مستقیم با غول‌هایی چون OpenAI و…

۳ دقیقه خواندن
آموزش کاربردی

شبیه‌سازی معکوس؛ راهکاری برای نجات زبان‌های در حال فراموشی با هوش مصنوعی

یک چارچوب جدید با ترکیب تقطیر دانش چندوجهی و شبیه‌سازی معکوس، برای حفظ زبان‌های در معرض خطر طراحی شده است. این سیستم با بازسازی خروجی‌های مدل معلم از طریق بردارهای معنایی مدل…

۷ دقیقه خواندن۲

هوش مصنوعی زاینده چگونه عملکرد سیری را در iOS 27 تغییر می‌دهد؟

اپل نسخه‌های بتای عمومی iOS 27 و macOS 27 را با تمرکز بر تبدیل سیری به یک دستیار هوش مصنوعی زاینده عرضه کرد. این به‌روزرسانی علاوه بر قابلیت‌های هوشمند، جهش‌های چشم‌گیری در سرعت…

۴ دقیقه خواندن
آموزش کاربردی

تبدیل ویدئوهای آموزشی گیتار به PDF با ترکیب Claude Vision و ابزارهای CLI

یک ابزار متن‌باز جدید با بهره‌گیری از قابلیت‌های بینایی مدل Claude، درس‌های گیتار یوتیوب را به نت‌های PDF تبدیل می‌کند. این ابزار با شناسایی دقیق میزان‌های موسیقی و حذف فریم‌های…

۳ دقیقه خواندن
آموزش کاربردی

«ترمیم خودکار خطاها»؛ قابلیت کلیدی VideoAgent در مدیریت گراف‌های تدوین

سامانه VideoAgent با استفاده از یک بهینه‌ساز منحصر‌به‌فرد، دستورات متنی را به گراف‌های اجرایی برای ابزارهای تدوین تبدیل می‌کند. این سیستم می‌تواند خطاهای ساختاری در زنجیره تولید…

۲۳ دقیقه خواندن