🔥 خبر داغ برای علاقه‌مندان به گرافیک سه‌بعدی و شبیه‌سازی مو!

👩‍🦱 اگر فکر می‌کنید رندر مو همیشه باید سنگین و کند باشه، این تحقیق خلافش رو ثابت کرده: رندر مو با سرعت ۵۰۰ فریم بر ثانیه 🤯 و نه برای یک کاراکتر، بلکه برای ۱۰۰ کاراکتر در یک صحنه! یعنی فقط ۲ میلی‌ثانیه برای هر فریم.

✨ ترفند کار:
به‌جای تولید مستقیم strands (رشته‌های مو)، یک پولیگان‌مش ساده ساخته می‌شه که شکل کلی و flow (جهت موها روی سر و شانه) رو تقلید می‌کنه.
بعد یک سیستم شبیه GPU-Shader سه‌بعدی، موها رو به‌صورت پروسجورال ایجاد می‌کنه.
جالب‌تر اینکه این آبجکت بلافاصله بعد از رندر از حافظه حذف می‌شه، پس حافظه سنگین نمی‌مونه.

🎮 برای بازی‌ها و صحنه‌های شلوغ، این روش یک انقلاب حساب می‌شه.

📌 دمو آنلاین:
🔗 بازی با HairMesh Rendering
روی لپ‌تاپ‌های قدیمی هم اجرا می‌شه (تست شده روی 2080).

📺 توضیح کامل در ویدئوی دکتر دو دقیقه‌ای:
🔗 https://youtu.be/WYTOxOhKl3Y

https://www.cemyuksel.com/research/hairmesh_rendering/demo/
---

#هوش_مصنوعی 🤖
#گرافیک_سه‌بعدی 🎨
#رندرینگ 🖥️
#بازی_سازی 🎮
#شبیه‌سازی_مو 👩‍🦱

🚦 یادگیری ماشین در نقشه‌برداری: تشخیص علائم جاده‌ای در Yandex Maps 🚦

یکی از کیس‌های جالب ML در دنیای واقعی مربوط به توسعه‌ی دتکتور علائم جاده‌ای در سرویس نقشه یاندکس است. این سیستم از یک کلاس‌بند دودویی ساده شروع شد و امروز با شبکه‌های عصبی پیچیده توانایی شناسایی تقریباً تمام علائم جاده‌ای در روسیه را دارد.

📌 مسیر تکامل:

🔹 نسخه ۲۰۱۶ → مدل کلاسیک با ACFFeatures + WaldBoost، ولی مشکل اصلی «نزدیک‌بینی» بود (فقط علائم رو‌به‌رو را می‌دید).

🔹 مهاجرت به Faster R-CNN → امکان شناسایی علائم در زوایای مختلف.


🧠 راهکارهای معماری غیرمعمول:

تمام علائم محدودیت سرعت در یک کلاس → شبکه دوم روی تصویر برش‌خورده عدد را تشخیص می‌دهد.

برای علائم جهت خطوط هم همین رویکرد → یک مدل اضافی خروجی باینری بردار جهت‌ها را می‌دهد.

علائم چندخطی (multi-lane) → مدل اختصاصی جداگانه برای پردازش.


🟢 چالش اصلی → دیتاست
به جای برچسب‌گذاری دستی ترابایت‌ها عکس خیابانی، ابتدا با مدل‌های اولیه عکس‌های دارای علائم جدا شدند، سپس برای برچسب‌گذاری دقیق به آسنسرها داده شدند.

📊 اعداد نهایی:

✳️۳۰۰ هزار عکس در دیتاست
✳️۱.۵ میلیون علامت برچسب‌خورده
✳️۲۰۰+ کلاس مختلف علائم
✳️رایج‌ترین علامت → عبور عابر پیاده


🎯 نتیجه عملی:
این سیستم باعث می‌شود داده‌های نقشه به‌صورت خودکار به‌روز شوند. در سال بیش از ۲۰۰ هزار به‌روزرسانی اتوماتیک انجام می‌گیرد، که روی مسیریابی و راهنمای صوتی محدودیت سرعت تأثیر مستقیم دارد.

📄 مقاله کامل: Habr

@rss_ai_ir

#هوش_مصنوعی #یادگیری_ماشین #نقشه #بینایی_ماشین 🚀

🚀 Physics با Sora 2
… و کمی انیمه 🎬

⛔️مجموعه OpenAI در نسخه‌ی جدید Sora 2 نه‌تنها کیفیت و واقع‌گرایی تولید ویدیو را ارتقا داده، بلکه امکان شبیه‌سازی دقیق‌تر فیزیک اجسام و محیط را هم اضافه کرده است.
یعنی حالا می‌توانید حرکت مایعات، پرتاب اجسام یا حتی سقوط طبیعی یک شخصیت را با دقتی بسیار بالاتر تجربه کنید.

✨ و برای علاقه‌مندان به فرهنگ پاپ، دموی جدید Sora 2 پر از استایل انیمه‌ای است — ترکیب جذاب بین واقعیت فیزیکی و دنیای هنری ژاپنی.

❌این یعنی آینده‌ی ویدیوهای مولد هوش مصنوعی در دو مسیر همزمان حرکت می‌کند:

1. دقت علمی و فیزیکی برای شبیه‌سازی‌های جدی و صنعتی 🏭⚙️
2. خلاقیت هنری برای تولید محتوا، سرگرمی و انیمیشن 🎨🎥



به نظر شما، کدام بخش زودتر به بلوغ می‌رسد: شبیه‌سازی‌های فیزیکی برای صنعت یا استایل‌های هنری برای سرگرمی؟ 🤔

@rss_ai_ir

#هوش_مصنوعی #Sora2 #انیمه #فیزیک #تولید_ویدیو 🚀

🧠 معرفی AlphaEvolve توسط Google/DeepMind: هوش مصنوعی در خدمت کشف نتایج جدید در ریاضیات و علوم کامپیوتر تئوری

🔍 چطور کار می‌کند؟
مدل‌های زبانی معمولاً سعی می‌کنند کل اثبات را یک‌جا بنویسند، اما این کار بسیار پیچیده و غیرقابل‌اعتماد است.

⛔️همچنین AlphaEvolve رویکرد متفاوتی دارد:
✅به جای نوشتن اثبات کامل، اجزای کوچک‌تری به نام gadget تولید می‌کند.
این تکه‌ها به‌سرعت و به‌صورت خودکار قابل‌بررسی‌اند و اگر درست باشند، می‌توان آن‌ها را در کنار هم قرار داد و به قضایای بزرگ‌تر رسید.

📈 چه چیزهایی پیدا شده است؟

✅یک نتیجه‌ی جدید برای مسئله‌ی MAX-4-CUT (یکی از مسائل نظریه الگوریتم‌ها و بهینه‌سازی ترکیبیاتی، نسخه‌ای از MAX-CUT کلاسیک).

✅کران‌های پایینی قوی‌تر برای مسائل روی گراف‌های تصادفی، از جمله کار روی گراف‌های رامانوجان.

✅سرعت بررسی قضایا نسبت به روش‌های سنتی ۱۰٬۰۰۰ برابر سریع‌تر شده است.


🧩 چرا مهم است؟

ریاضیات نیازمند دقت ۱۰۰٪ است؛ اینجا هوش مصنوعی نقش تولیدکننده ایده را دارد و بخش بررسی همچنان دقیق و رسمی باقی می‌ماند.

این رویکرد می‌تواند سال‌ها کار انسانی را ذخیره کند و راه را برای کشف قضایا و الگوریتم‌های جدید باز کند.


📄 جزییات بیشتر:
research.google/blog/ai-as-a-research-partner-advancing-theoretical-computer-science-with-alphaevolve/

@rss_ai_ir

#هوش_مصنوعی #ریاضیات #دیپ‌مایند #پژوهش #LLM