اخبار هوش مصنوعی: مدل جدید هاگینگ فیس، بازیابی اسناد چندزبانه را متحول می‌کند هاگینگ فیس با معرفی مدل vdr-2b-multi-v1، گامی بزرگ در بازیابی بصری اسناد چندزبانه برداشت. این مدل جستجو در اسناد تصویری را بدون OCR ممکن می‌سازد. ۲۱ دی ۱۴۰۳ ۳ دقیقه محصولات هوش مصنوعی در هنر: هنرمند ماین آترند و Sora تصویر آینده را به تصویر می‌کشند مروج تجسیم ایده‌های خلاق، هنرمند ماین آترندر با کمک Sora «هوش مصنوعی»، عرصه هنر را به شکلی نو و هیجان‌انگیز بازتعریف کرده و ابزارهای پیشرفته برای خلق بصری و پویا ارائه می‌دهد. ۱۹ آذر ۱۴۰۳ ۲ دقیقه اخبار فکان ۲؛ مدل زبانی ۱۱ پارامتری با قابلیت چندزبانی و پشتیبانی بصری فکان ۲ (Falcon 2) مدل زبانی جدید با ۱۱ میلیارد پارامتر است که با بیش از ۵۰۰۰ میلیارد توکن و پشتیبانی از ۱۱ زبان آموزش دیده و هم به‌صورت متنی و هم بصری کار می‌کند. ۴ خرداد ۱۴۰۳ ۲ دقیقه پژوهش هوش مصنوعی در رباتیک: کتابخانه Pollen‑Vision برای درک بصری بدون آموزش کتابخانه‌ی Pollen‑Vision، رابط یکپارچه‌ای برای مدل‌های Zero‑Shot در رباتیک، با هدف ارتقاء و آسان‌سازی دسترسی به هوش مصنوعی در محیط‌های واقعی ارائه شد. ۶ فروردین ۱۴۰۳ ۲ دقیقه مدل‌ها هوش مصنوعی WebSight؛ تحولی در تبدیل اسکرین‌شات به کد HTML دیتاست WebSight از Hugging Face، مجموعه‌ای بزرگ از تصاویر اسکرین‌شات و کد HTML را برای آموزش مدل‌های هوش مصنوعی فراهم می‌کند تا تبدیل طراحی به کد ساده‌تر شود. ۲۵ اسفند ۱۴۰۲ ۲ دقیقه مدل‌ها هوش مصنوعی GPT‑4V: امکانات تصویری و جزئیات سیستم‌کارت از OpenAI GPT‑4V با قابلیت تشخیص تصویر و پاسخدهی به سؤالات بصری، جزئیات کامل در سیستم کارت OpenAI ارائه می‌دهد؛ توضیحات فنی، محدودیت‌ها و راهکارها. ۳ مهر ۱۴۰۲ ۲ دقیقه پژوهش هوش مصنوعی و GPT-4 در تحول دسترسی بصری برای نابینا: Be My Eyes این مقاله به بررسی چگونگی استفاده Be My Eyes از GPT‑4 برای تسهیل دسترسی بصری نابیناها در زمینه‌های روزمره می‌پردازد و تأثیرات مثبت AI را می‌نمود. ۲۳ اسفند ۱۴۰۱ ۲ دقیقه پژوهش چگونه هوش مصنوعی در شناسایی تصاویر مشابه با Hugging Face عمل می‌کند با بهره‌گیری از مدل ViT و کتابخانه Transformers در Hugging Face، می‌توانید سیستم جستجوی تصویر معکوس، مشابه‌سازی تصاویر و کشف اندیشه‌مندی‌های بصری را با مقیاس‌های بزرگ به صورت کارآمد داشته باشید. ۲۶ دی ۱۴۰۱ ۲ دقیقه مدل‌ها هوش مصنوعی DALL·E با قابلیت ‘اوت‌پینتینگ’ فضای تخیل را گسترش می‌دهد DALL·E به‌وسیله‌ی تکنیک نهایی «اوت‌پینتینگ» امکان گسترش تصاویر را فراهم کرده و هنرمندان را قادر می‌سازد داستان‌های بصری بزرگ‌تری بسازند. ۹ شهریور ۱۴۰۱ ۲ دقیقه مدل‌ها معرفی CLIP: هوش مصنوعی که تصاویر را با زبان طبیعی درک می‌کند آشنایی با CLIP؛ شبکه عصبی OpenAI که مفاهیم بصری را از زبان طبیعی می‌آموزد و با رویکرد صفرشات، دسته‌بندی تصاویر را بدون داده‌های برچسب‌دار ممکن می‌کند. ۱۶ دی ۱۳۹۹ ۲ دقیقه