🚀 HunyuanWorld-Voyager — هوش مصنوعی متن‌باز برای ساخت دنیای سه‌بعدی

شرکت Tencent از HunyuanWorld-Voyager رونمایی کرد؛ اولین هوش مصنوعی open-source جهان که تولید ویدئو را با بازسازی سه‌بعدی واقعی ترکیب می‌کند.

✨ چرا مهم است؟
✅ ویدئو به طور مستقیم به صحنه‌های کامل سه‌بعدی تبدیل می‌شود (بدون نیاز به ابزار اضافی)
✅ مدل «حافظه فضایی» دارد و هندسه صحیح را از هر زاویه حفظ می‌کند
✅ رتبه اول در Stanford WorldScore برای ویدئو و بازسازی سه‌بعدی

🎮 کاربردها: واقعیت مجازی (VR)، بازی‌ها، شبیه‌سازی‌ها و پروژه‌های سه‌بعدی — با کنترل از طریق کیبورد یا دسته بازی.

🌐 Project Page: HunyuanWorld-Voyager
💻 GitHub: کد منبع
🤗 HuggingFace: مدل‌ها
📄 PDF: جزئیات کامل
🏆 Leaderboard: WorldScore

@rss_ai_ir

#هوش_مصنوعی #سه‌بعدی #VR #گیمینگ #OpenSource

🌟 یک مقاله مروری درباره دیتاست‌های اوپن ML در Hugging Face منتشر شد.

📝 نویسنده‌ی رسانه‌ی Daily Dose of Data Science جالب‌ترین دیتاست‌ها و مدل‌های اوپن اخیر را گردآوری کرده است. یکی از برجسته‌ترین‌ها Yambda-5B از تیم Yandex است؛ بزرگ‌ترین دیتاست اوپن در دنیا برای سیستم‌های توصیه‌گر موسیقی.

🎵 دیتاست Yambda-5B شامل ۴.۷۹ میلیارد تعامل ناشناس (گوش دادن به آهنگ، لایک و دیسلایک) است. این دیتاست توجه پژوهشگران جهانی را جلب کرده و نویدبخش توسعه‌ی نسل جدید سیستم‌های پیشنهاددهنده می‌باشد.

🔗 مطالعه‌ی بیشتر

@rss_ai_ir

#AI #ML #Dataset #RecommendationSystem #Yandex #OpenSource

🔥 WebEyeTrack:
رهگیری چشم در وب، به صورت بلادرنگ 👁️💻

👉 فریم ورک WebEyeTrack یک فریم‌ورک نوآورانه است که مدل‌های سبک و پیشرفته تخمین نگاه (Gaze Estimation) را مستقیماً در مرورگر ادغام می‌کند. این ابزار رهگیری نگاه با هوش مصنوعی را به وب می‌آورد و به طور صریح وضعیت سر (Head Pose) را هم در نظر می‌گیرد.

🟢 کد منبع با لایسنس MIT منتشر شده است 💙


🔗 مقاله: https://arxiv.org/pdf/2508.19544
🔗 پروژه: redforestai.github.io/WebEyeTrack
🔗 ریپو: github.com/RedForestAi/WebEyeTrack

@rss_ai_ir

#AI #ML #GazeEstimation #WebAI #ComputerVision #WebEyeTrack #opensource

🎭 Puppeteer:
ریگ و انیمیت خودکار مدل‌های سه‌بعدی

✅بالاخره رسید! 🔥 پروژه‌ی Puppeteer می‌تونه یک مدل سه‌بعدی ساده (مثلاً در فرمت obj) رو بگیره و به‌صورت خودکار ریگ اولیه بسازه:
🦴 اضافه‌کردن اسکلت
🎨 ساخت نقشه‌های وزن برای اسکینینگ

⛔️البته ریگ کامل (blendshapeهای اصلاحی، constraintها، deformها، inverse kinematics و …) اینجا وجود نداره.

اما نکته جالب‌تر: 🕹️
👉 این سیستم می‌تونه یک ویدیو مرجع حرکت رو بگیره و انیمیشن همون حرکت رو روی اسکلت منتقل کنه!

🔍 ابزارهای پشت پرده:

♻️Video-Depth-Anything
برای تخمین عمق

♻️CoTracker3
برای ترکینگ نقاط

♻️MagicArticulate, MeshAnything, RigNet, Michelangelo, AnyMole, Lab4D
برای بخش ریگینگ


📌 با وجود محدودیت‌ها (مثل بحث زاویه دوربین و دقت پایین انیمیشن)، این پروژه یک گام مهم محسوب میشه: اتوماتیک‌سازی ریگ و اسکینینگ

🔗 جزئیات: صفحه پروژه
💻 کد: GitHub

@rss_ai_ir

#3D #Animation #Rigging #AI #OpenSource

✂️ ابزار متن‌باز برچسب‌گذاری تصاویر با هوش مصنوعی ✂️

👉 ابزار VisioFirm محصول TOELT یک ابزار متن‌باز و هوش‌مصنوعی‌محور برای برچسب‌گذاری سریع تصاویر در پروژه‌های بینایی ماشین است.
🔹 پشتیبانی از تشخیص اشیاء، جعبه‌های چرخیده (Oriented BBs) و سگمنتیشن.
🔹 کد منبع با مجوز Apache 2.0 منتشر شده 💙
🔗 Paper: https://arxiv.org/pdf/2509.04180
🔗 Repo:
https://github.com/OschAI/VisioFirm
@rss_ai_ir

#AI #ML #ComputerVision #Annotation #OpenSource #VisioFirm

🤖 XLeRobot —
ربات خانگی فقط با 660 دلار، کنترل با دسته Xbox

✳️پروژه XLeRobot یک پروژه‌ی اوپن‌سورس است که به شما امکان می‌دهد یک ربات موبایل دو بازویی واقعی را با دست‌های خودتان بسازید.

👨‍💻 نویسنده‌ی پروژه، Gaotian Wang دانشجوی دانشگاه Rice، تمرکز خود را روی دسترس‌پذیری و کارایی عملی قرار داده است.

💡 نکات کلیدی:

♻️هزینه ساخت ≈ 660 دلار → یک ربات کامل با دو بازو و پایه‌ی چرخ‌دار

♻️نسخه‌ی ساده‌تر ≈ 250 دلار با LeKiwi + SO-100 که سریع‌تر مونتاژ می‌شود

♻️شامل: مدل‌های URDF، شبیه‌سازی، کنترل با VR، Joy-Con یا دسته Xbox

♻️مناسب برای آزمایش در شبیه‌سازی و انتقال به دنیای واقعی (Sim2Real)

♻️قابلیت تعامل با محیط برای تست الگوریتم‌های هوش مصنوعی و رباتیک


📈 محبوبیت: پروژه تا امروز بیش از 1.7k ستاره و ده‌ها Fork در GitHub گرفته است.

🟢 ریپازیتوری: github.com/Vector-Wangel/XLeRobot

@rss_ai_ir

#رباتیک #هوش_مصنوعی #opensource #XLeRobot #AI #robotics

🚀 مدل Grok 2.5 حالا روی سیستم‌ شخصی هم قابل اجراست!

🔹 تیم Unsloth نسخه‌ای بهینه‌شده از مدل را منتشر کرده که اجرای محلی را ممکن می‌کند:

✅ 270 میلیارد پارامتر روی یک مک معمولی با 128GB RAM (حدود ۵ توکن در ثانیه)
✅ حجم مدل از 539GB به 118GB کاهش یافته (۸۰٪ کمتر)
✅ لایه‌های کلیدی در فرمت 8-bit و سایر بخش‌ها با فشرده‌سازی 3-bit GGUF ذخیره شده‌اند.

📘 راهنما: docs.unsloth.ai/basics/grok-2
📥 مدل GGUF: huggingface.co/unsloth/grok-2-GGUF

@rss_ai_ir

#هوش_مصنوعی #xAI #Grok2 #مدل_زبانی #OpenSource #MachineLearning #DeepLearning

💛 نسل جدید تولیدکننده‌های SVG مقیاس‌پذیر 💛

🔹 پروژه OmniSVG معرفی شد؛ اولین خانواده‌ی مولدهای چندوجهی (multimodal) انتهابه‌انتها (e2e) که با استفاده از مدل‌های زبانی-بینایی (VLMs) قادر به تولید SVGهای دقیق و مقیاس‌پذیر هستند.

📌 نکته مهم: کد، مدل‌ها و دیتاست این پروژه تحت لایسنس MIT منتشر خواهند شد 💙

🔗 منابع بیشتر:

👉 Paper
👉 Project
👉 Repo
👉 Dataset

@rss_ai_ir

#AI #SVG #OmniSVG #VLM #OpenSource #GenerativeAI

🔥 WFGY 2.0 —
موتور استدلال معنایی برای LLMها (MIT)

هدف این پروژه‌ی متن‌باز کاهش هذیان‌ها (hallucinations) و خطاهای منطقی در سیستم‌های مبتنی بر RAG / LLM است؛ مخصوصاً در شرایطی مثل:

✳️متن‌های OCR با خطای زیاد،
✳️شرایط Semantic drift (وقتی پاسخ از سؤال منحرف می‌شود)،
✳️شرایط Ghost matches (جایی که یک بخش ظاهراً مرتبط به نظر می‌آید، ولی درواقع بی‌ربط است).


🚧 در اغلب روش‌ها خطاها فقط بعد از تولید پاسخ نهایی شناسایی می‌شوند.
اما در WFGY، منطق کاملاً برعکس است:
اگر مدل ببیند که استدلال‌ها «کج» شده‌اند یا از مسیر اصلی خارج شده، فرآیند را متوقف می‌کند یا مسیر دیگری انتخاب می‌کند و تنها زمانی پاسخ می‌دهد که وضعیت پایدار باشد.

🛡 نویسندگان این روش را یک «فایروال معنایی» (semantic firewall) می‌نامند.


---

📌 امکانات کلیدی:

♻️شامل نقشه‌ای از ۱۶ خطای رایج LLM: از جست‌وجوی اشتباه داده‌ها و افت منطق گرفته تا «فراموشی» یا اختلاط نقش عامل‌ها.
♻️برای هر خطا، یک راه‌حل متنی ساده پیشنهاد شده است.
♻️بدون نیاز به SDK — کافی است دستورالعمل‌ها را مستقیم در پرامپت وارد کنید.


🟢 شاخص‌های اصلی برای ارزیابی کیفیت استدلال:

✅شاخصΔS (drift): آیا معنی از یک مرحله به مرحله بعد خیلی دور شده یا نه.
✅شاخصλ (convergence): آیا منطق به سمت پاسخ نهایی همگرا می‌شود یا در حلقه می‌چرخد.
✅شاخص Coverage: آیا داده‌ها و شواهد کافی در نظر گرفته شده‌اند یا خیر.


📊 نتایج تست: پایداری خروجی تا ۹۰–۹۵٪ افزایش یافته (در مقایسه با ۷۰–۸۵٪ در روش‌های سنتی).

📂 گیت‌هاب:
github.com/onestardao/WFGY
---
@rss_ai_ir

#هوش_مصنوعی #LLM #OpenSource #Reasoning #PromptEngineering #Hallucinations