آموزش چگونه با هوش مصنوعی سبک هر عکس را روی خودتان پیاده کنیم با استفاده از ChatGPT و Gemini می‌توانید ویژگی‌های تصویر مورد نظرتان را استخراج کنید و به‌وسیله قالب JSON، سبک آن را روی عکس خودتان پیاده‌سازی کنید. ۳۰ مهر ۱۴۰۵ ۲ دقیقه مدل‌ها هوش مصنوعی در OCR: PaddleOCR 3.5 با پشتیبانی از بکند Transformers در آخرین بروزرسانی PaddleOCR 3.5 امکان اجرای مدل‌های OCR و پردازش اسناد با بکندی بر پایه Transformers فراهم شد. این معهد جدید، دایره امکانات را برای توسعه‌دهندگان هل می‌دهد و سازگاری کامل با مدل‌های PP-OCRv5 و PaddleOCR‑VL 1.5 را تضمین می‌کند. ۲۸ اردیبهشت ۱۴۰۵ ۲ دقیقه پژوهش هوش مصنوعی در ChatGPT Images 2.0: پیشرفت پردازش تصویر و ترجمه چند زبانه ChatGPT Images 2.0، نسخهٔ جدید هوش مصنوعی OpenAI، امکاناتی از جمله بهبود نمایش متن، پشتیبانی چندزبانه و تجزیه و تحلیل بصری را داراست به دقت. ۱ اردیبهشت ۱۴۰۵ ۲ دقیقه محصولات هوش مصنوعی در آبرد: AI Sheets تصویرها را به داده تبدیل می‌کند AI Sheets به‌روز شد؛ اکنون می‌تواند تصویرها را در همان محیط پردازش کند، اطلاعات استخراج، تجزیه و حتی تصاویر جدید ایجاد و ویرایش کنید۔ ۲۹ مهر ۱۴۰۴ ۲ دقیقه مدل‌ها هوش مصنوعی و گریدیو MCP: گام جدید برای ارتقاء مدل‌های زبان - تبدیل مدل‌های زبانی با گریدیو MCP Servers، مدل‌های زبانی خود را به راحتی با ابزارهای پیشرفته مانند پردازش تصویر، مرور وب و مدیریت ایمیل‌ها تجهیز کنید؛ روش‌های ساده، امن و مقیاس‌پذیر در قالب سرویس‌های ابری. ۱۸ تیر ۱۴۰۴ ۲ دقیقه مدل‌ها Llama Nemotron Nano‑VL: هوش مصنوعی OCR برتر با NVIDIA 8B پارامتر نویسندهٔ Llama Nemotron Nano‑VL از NVIDIA با 8 میلیارد پارامتر، OCR قدرتمند تصویر را شناسایی می‌کند؛ در حسابداری، قراردادها و بهداشت کاربرد دارد. ۷ تیر ۱۴۰۴ ۲ دقیقه اخبار GPT-4o و جهش در تولید تصویر: واقع‌گرایی بی‌سابقه با هوش مصنوعی OpenAI قابلیت‌های جدید تولید تصویر GPT-4o را معرفی کرد. این مدل پیشرفته‌تر از DALL-E 3، تصاویر واقع‌گرایانه می‌سازد و می‌تواند ورودی‌های تصویری را نیز تغییر دهد. ۵ فروردین ۱۴۰۴ ۳ دقیقه مدل‌ها هوش مصنوعی با Remote VAE ها: تسهیل پردازش تصویر با اِندپوینت خارج از سازمان Hugging Face با Remote VAE، پردازش دیسک‑کدینگ تصاویر و ویدیوها را با مصرف حافظه کمتر و سرعت بالاتر با استفاده از Endpoints ارائه می‌کند. ۶ اسفند ۱۴۰۳ ۲ دقیقه پژوهش نوآوری SigLIP 2: موتور چندزبانه دیده‑متن برای هوش مصنوعی پیشرفته SigLIP 2؛ جدیدترین موتور چندزبانه دیده‑متن؛ بهبود یافته با اهداف یادگیری تازه، تاکنون برکرد SigLIP 1 را در دسته‌بندی صفر‑شی، retrieval و انتقال نمایه‌ها پشت سر گذاشته است. ۳ اسفند ۱۴۰۳ ۲ دقیقه 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