🚦 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

⚡️ تغییر اتو‌انکودر در مدل‌های latent diffusion ساده‌تر از آن چیزی است که فکر می‌کنید!

🚀 اDC-Gen یک فریم‌ورک جدید برای شتاب‌بخشی مدل‌های دیفیوشن پس از آموزش است.
این روش هر مدل آماده را به یک فضای نهفته‌ی فشرده منتقل می‌کند و هم هزینه را کاهش می‌دهد و هم سرعت تولید را چندین برابر می‌کند.

🔑 ویژگی‌های کلیدی:

🎯 وضوح بالا بدون افت کیفیت
نسخه‌ی DC-Gen-FLUX.1-Krea-12B همان کیفیت نسخه اصلی را دارد اما ۵۳ برابر سریع‌تر روی H100 در حالت 4K اجرا می‌شود.
با NVFP4، تولید تصویر 4K تنها ۳.۵ ثانیه روی یک کارت NVIDIA 5090 (۲۰ مرحله) طول می‌کشد.

💸 هزینه پایین برای انطباق
انتقال مدل FLUX.1-Krea-12B به اتوانکودر عمیقاً فشرده تنها ۴۰ روز GPU روی H100 نیاز دارد.


📄 مقاله:
arxiv.org/abs/2509.25180
💻 کد:
github.com/dc-ai-projects/DC-Gen
🎨 مدل‌ها:
huggingface.co/dc-ai/dc-gen

@rss_ai_ir

#هوش_مصنوعی #دیفیوشن #یادگیری_عمیق #AI

🚀 در ByteDance Seed تکنیک جدیدی برای آموزش LLM معرفی شد: Knapsack RL

🔍 مشکل در RL کلاسیک:

در کارهای ساده همیشه موفقیت → بدون گرادیان
در کارهای سخت همیشه شکست → باز هم بدون گرادیان


💡 راهکار:
به جای توزیع یکنواخت rolloutها، بودجه محاسباتی مثل یک مسئله کوله‌پشتی (Knapsack) روی مواردی صرف می‌شود که واقعاً سیگنال آموزشی می‌دهند.

✨ نتایج:

🔼 ‌+20–40% گرادیان‌های غیرصفر بیشتر
🧮 تا 93 rollout برای مسائل سخت (بدون هزینه اضافه)
📈 ‌+2–4 امتیاز میانگین، تا +9 در ریاضیات
💰 ‌حدوداً دو برابر ارزان‌تر از روش توزیع یکنواخت


📄 جزییات بیشتر:
huggingface.co/papers/2509.25849

@rss_ai_ir 🤖

#هوش_مصنوعی #یادگیری_تقویتی #LLM #KnapsackRL #ByteDance #ماشین_لرنینگ #یادگیری_عمیق #AI #RLHF #MachineLearning