utworzone przez Redakcja | maj 25, 2026
Nowa technologia 4D Gaussian Splatting pozwala konwertować płaskie obrazy z nagrań wideo w trójwymiarowe dane przestrzenne, otwierając nowe możliwości w rekonstrukcji scen z różnych kątów.
utworzone przez Redakcja | maj 13, 2026
Naukowcy odkryli, że liczby umieszczone na obrazach systematycznie zniekształcają oceny jakości dokonywane przez modele wizyjno-językowe. Efekt ten jest 2,5 razy silniejszy niż degradacja jakości obrazu i wiąże się z procesami w głębokich warstwach sieci...
utworzone przez Redakcja | maj 9, 2026
Naukowcy opracowali multimodalny system AI zdolny do precyzyjnego rozpoznawania potraw ze zdjęć mobilnych, uwzględniający sposób przygotowania i wiele składników na jednym obrazie. Projekt ma zastosowanie w monitorowaniu diety w czasie rzeczywistym.
utworzone przez Redakcja | maj 8, 2026
Naukowcy przedstawili system sztucznej inteligencji Pro²Assist, który wykorzystuje okulary AR i multimodalne modele językowe do proaktywnego wsparcia użytkownika podczas wykonywania wieloetapowych zadań w czasie rzeczywistym.
utworzone przez Redakcja | kwi 29, 2026
Nowy model multimodalny SenseNova-U1 łączy generowanie i rozumienie tekstu oraz obrazów w jednym systemie bez konieczności stosowania VAE czy modeli dyfuzji. Model skutecznie renderuje tekst w obrazach, co eliminuje problemy tradycyjnych modeli dyfuzji.
