موضوع
Models that natively process text+image+audio+video
۱٬۳۵۵ مقاله منتشر شده
یک خطلوله جامع GeoAI با ترکیب یادگیری نظارتشده و مدلهای بنیادی، تبدیل تصاویر هوایی NAIP به چندضلعیهای دقیق ساختمان را خودکار میکند. این سیستم با ادغام قطعهبندی معنایی و…
یک محک جدید به نام FROGS_ نشان میدهد که مدلهای هوش مصنوعی در مواجهه با پرامپتهای ساده، دچار «بیشویرایشگری» میشوند. این مدلها بهجای رسم یک قورباغه ساده، ویژگیهای پزشکی و…
یک پیادهسازی فنی جدید به توسعهدهندگان اجازه میدهد با حذف زیرساختهای سختافزاری پیچیده، دستیارهای تلفنی تمامخودکار بسازند. این سیستم با ایجاد یک پل صوتی دوطرفه، مدیریت پذیرش…
آندرج کارپاتی توانایی مدل Opus 5 در تبدیل متن به محیطهای سه بعدی تعاملی و رویهای را به نمایش گذاشت. این آزمایش نشاندهنده گذار به سوی جهانسازی «در لحظه» است، هرچند نبود بازخورد…
ابزار جدید Absurd Context Image Generator با قرار دادن اشیاء معمولی در محیطهای نامحتمل، فرآیند خلق تصاویر سورئال را خودکار میکند. این سیستم با تولید پرامپتهای دقیق و جزئی،…
بنچمارک ژوئیه ۲۰۲۶ نشان میدهد Melia-1 از Speechmatics در دقت و مدیریت تغییر زبان پیشتازی میکند. برای توسعهدهندگان، اولویت از دقت پایه به قابلیتهایی نظیر پرامپتینگ کلمات کلیدی…
استارتآپ Pippa با معرفی مدلی برای پرداخت حقالامتیاز به هنرمندان، قصد دارد عصر استخراج غیرقانونی دادهها را به پایان برساند. در این پلتفرم، هر بار که کاربری ویدیویی با سبک یک…
انویدیا و شیائومی با استفاده از مجموعهدادههای عظیم ویدیوهای انسانی، گلوگاه «برچسبگذاری عملیات» در هوش مصنوعی تجسمیافته را میشکنند. همزمان، ظهور تکشاخهای انسانی در اروپا…
مدل جدید آنتروپیک قادر است بازیهای سهبعدی و شبیهسازهای فیزیکی قابل اجرا را تنها با یک پرامپت و از طریق کدنویسی رویهای تولید کند. برخلاف مدلهای ویدئویی، این مدل خروجیهای قابل…
پلتفرم Pixapi با معرفی پاسخهای Pre-flight، تخمین دقیق هزینه را پیش از اجرای عملیات تولید تصویر یا ویدیو ارائه میدهد. این قابلیت به توسعهدهندگان اجازه میدهد تا بودجه استنتاج را…
رابطهای جدید MCP و CLI امکان تولید ویدیو در Kling را برای عاملها فراهم کردهاند، اما نبود محدودیتهای سختگیرانه ریسک تخلیه سریع اعتبارها را دارد. پیادهسازی ایمن نیازمند تایید…
پژوهشگران دانشگاه اموری یک پلتفرم ارزانقیمت مبتنی بر هوش مصنوعی ساختند تا تستهای شناختی میمونهای کاپوچین را در طبیعت بهصورت خودکار اجرا کنند. این سامانه با ترکیب تشخیص چهره و…