دیشب ساعت ۹ تصویر Yann LeCun دانشمند برجسته‌ی هوش مصنوعی بر روی برج خلیفه‌ی دوبی نقش بست.

لازم‌به‌ذکر است که ایشان در حال حاضر برای شرکت در نشست دولت جهانی (World Government Summit) در امارات متحده‌ی عربی حضور دارند.

شرکت Ultralytics مدل بنیادین YOLO-World که یک OVD یا Open-Vocabulary Detector است، را معرفی کرد.

این مدل، مبتنی بر YOLOv8 است و نیاز به کلاس‌های از پیش تعریف شده برای تشخیص ندارد، بلکه می‌تواند به‌صورت Zero-shot این کلاس‌ها را درقالب یک پرامپت متنی، هنگام inference دریافت کرده و در تصویر پیدا کند. مثلا در ورودی به آن می‌گویید: “حیوان جونده‌ی کوچک به رنگ سفید که نامش موش است را پیدا کن”

این مدل در مقایسه با مدل بنیادین فیس‌بوک (SAM) بسیار ساده‌تر است و بنابراین می‌توان به راحتی از آن برای اپلیکیشن‌های real-time استفاده کرد.

استفاده از این مدل به‌سادگی استفاده از Ultralytics YOLOv8 است.

https://docs.ultralytics.com/models/yolo-world/

مدل متن به ویدیو OpenAI معرفی شد!
این مدل که اسمش Sora هست میتونه ویدیو‌هایی به طول یک دقیقه تولید کنه!

https://openai.com/sora

https://x.com/sama/status/1758193609927721350?s=46

https://x.com/model_mechanic/status/1758196079663988823?s=46

https://x.com/gdb/status/1758193811489243408?s=46

https://x.com/mkbhd/status/1758200479224410420?s=46

https://x.com/sama/status/1758218820542763012?s=46

دوره جدید روی سایت قرار گرفت:
https://class.vision/product/%d8%af%d9%88%d8%b1%d9%87-%d8%ac%d8%a7%d9%85%d8%b9-deeplearning?new=true

کدهای تخفیفی برای شرکت کننده های دوره مقدماتی و سایر دوره ها در نظر گرفته شده است که نحوه استفاده فردا در کانال قرار داده خواهد شد

بر اساس همراهی خود با کلاس ویژن، کد تخفیف انحصاری خود را دریافت کنید (به روز شده است)

https://class.vision/blog/%d8%a8%d8%a7%d8%b4%da%af%d8%a7%d9%87-%d9%85%d8%b4%d8%aa%d8%b1%db%8c%d8%a7%d9%86/

در حال حاضر روی سایت 20 درصد تخفیف خرید زودهنگام به صورت پیش فرض فعال است، و این تخفیف مازاد بر تخفیف فروش زودهنگام خواهد بود.

*اگر زودتر از این طرح دوره را تهیه کرده اید، به پشتیبانی پیام دهید، اختلاف واریزی به شما استرداد خواهد شد.

*برای این دوره امکان ثبت نام با تمرین+تصحیح و کلاس های رفع اشکال+ صدور گواهی نیز فراهم است که در هنگام ثبت نام میتوانید از این امکان نیز بهره مند شوید. جلسات رفع اشکال و ددلاین تمارین متعاقبا اعلام خواهد شد. حدودا 10 جلسه رفع اشکال توسط مدرس دوره خواهد بود و فعلا این برنامه فقط یکبار اتفاق خواهد افتاد.

در نظر داشته باشید، در کد تخفیف انحصاری، برای افرادی که قبلا دوره مقدماتی که همپوشانی دارد را تهیه کرده اند، کل مبلغ دوره مقدماتی + درصد مشاکت در سایر دوره هابه صورت تخفیف اعتبار داده خواهد شد

بزرگوارانی که دوره را خریدند؛ در فایل معرفی دوره لینک گروه تلگرام دوره وجود دارد، لطفا از آن طریق عضو گروه شوید

مدل Gemma مدلی سبک از گوگل که بسیار شبیه مدل‌های جدید جِمی‌نای (Gemini) ساخته شده با این تفاوت که‌ اوپن سورس هست و برای استفاده عمومی منتشر شده.
نسخه‌های این مدل ۲ و ۷ میلیارد پارامتری هست و توی تقریبا همه فریم‌ورک‌های معروف کدش رو منتشر کردند.

لینک بلاگ:

https://blog.google/technology/developers/gemma-open-models/?utm_source=tw&utm_medium=social&utm_campaign=gemini24&utm_content=&utm_term=

لینک کگل:
https://www.kaggle.com/models/google/gemma?utm_medium=social&utm_source=twitter&utm_campaign=models-gemmalaunch

lightweight, standalone C++ inference engine for Google's Gemma models:

https://github.com/google/gemma.cpp

مدل Stable Diffusion 3 معرفی شد!

https://x.com/stabilityai/status/1760656767237656820?s=46

⚡️YOLOV9 release⚡️

Yolov9 is better than any convolution or transformer based object detectors.

Paper: https://arxiv.org/abs/2402.13616
Github: https://github.com/WongKinYiu/yolov9

Learning What You Want to Learn Using Programmable Gradient Information.

آموزش finetune کردن مدل جدید Gemma برروی دیتاست شخصی و سفارشی‌شده

https://huggingface.co/blog/gemma-peft

🎬فیلم جلسه سخنرانی آقای مهندس علیرضا اخوان پور- Graph Neural Networks

🧷مربوط به رویداد : https://t.iss.one/eventai/820

🔖اسلایدها:
https://t.iss.one/eventai/828

📓منبع:
https://t.iss.one/CS_Sharif_University_2023

#gnn #gcn #graph #deeplearning #AI
#گراف #شبکه_عصبی_گراف
〰️〰️〰️〰️〰️
این کانال با هدف آگاه سازی از رویدادهای مرتبط با هوش مصنوعی نظیر همایش، کنفرانس، ورک‌شاپ و کلاس  تشکیل شده است.

@eventai

AI-Powered Command-Line Photo Search Tool

اگر تعداد زیادی عکس دارید که در جایی از فایل‌سیستم شما ذخیره شده‌اند و می‌خواهید عکس‌هایی را براساس محتوا بازیابی کنید (مثلا عکس‌هایی که در آن‌ها سگ شما همراهتان است، یا عکس‌هایی که در یک روز برفی گرفته‌اید، یا عکس‌هایی که تم رنگی قالب آن‌ها آبی‌ست و ...) می‌توانید از ابزار rclip استفاده کنید.
این ابزار تمامی تصاویر رو یک‌ بار از مدل OpenAI CLIP رد کرده و بردار تعبیه‌ی آن‌ها را پیدا کرده و در یک دیتابیس SQLite ذخیره می‌کند. ازین‌پس هرگاه یک جمله‌ی متنی برای جستجوی تصویر می‌نویسید، از انکودر متن عبور کرده و بردار تعبیه‌ش محاسبه شده و با بردار تصاویر مقایسه می‌شود و ...

https://github.com/yurijmikhalevich/rclip

لینک منبع

Nvidia VS Intel!
همانطور که می بینید، موفقیت انویدیا یک موفقیت یک شبه نبوده!
اما سرمایه گذاری اولیه آنها روی هوش مصنوعی به آنها اجازه داد تا درازمدت برنده شوند...

مدل بنیادین گوگل برای درک ویدئو منتشر شد!!!

مدل VideoPrism یک ViFM یا مدل بنیادین ویدئو‌ست که برخلاف مدل‌های قبلی مثل VideoCLIP برای دامنه‌ی وسیعی از تسک‌ها از جمله classification و localization و retrieval و captioning و question answering قابل استفاده‌ست.

https://blog.research.google/2024/02/videoprism-foundational-visual-encoder.html

فایلهای کم حجم شده دوره نیز آپلود شدند
افرادی که قبل این پیام دوره را خریداری کردند و در دانلود محتوا مشکل داشتند به پشتیبانی برای دریافت لینک کم حجم پیام دهند.