🌩️ مدل Cloud4D؛ بازسازی چهاربعدی ابرها با دقت خیره‌کننده 🌩️

پژوهش تازهٔ Cloud4D یک گام بزرگ در مدل‌سازی سه‌بعدی جوّ است. با استفاده از شبکهٔ دوربین‌های زمینی، میدان‌های سه‌بعدی ابر با تفکیک مکانی ۲۵ متر و تفکیک زمانی ۵ ثانیه بازسازی می‌شود — چیزی شبیه فیلم‌برداری چهاربعدی از آسمان.

این مدل امکان تحلیل دینامیک ابر، پیش‌بینی محلی تغییرات آب‌وهوا و مطالعهٔ فرآیندهای میکروفیزیکی را فراهم می‌کند؛ آن هم بدون نیاز به پهپاد، رادار یا ماهواره.

📌 لینک‌ها:

• مقاله: arxiv.org/pdf/2511.19431
• پروژه: cloud4d.jacob-lin.com
• داده‌ها: https://drive.google.com/drive/folders/1QU_0kIUXIVt8h3uqygBeaF3Gvr_L5SdX
• مخزن کد: به‌زودی

@rss_ai_ir
#ابر #مدل‌سازی_جو #بینایی_ماشینی #هوش_مصنوعی #Cloud4D #اقلیم #علم

🪞وقتی واقعیت در آینه یک جهان تازه می‌سازد

دنیای اسکن سه‌بعدی و Gaussian Splats این روزها وارد مرحله‌ای شده که بیشتر شبیه جادوی بصری است.
تصویری که می‌بینید نه یک اتاق واقعی پشت در و نه محیطی است که با دوربین موبایل قدم‌به‌قدم وارد آن شده باشید—این یک جهان درون آینه است؛ جایی که فضا بازسازی می‌شود، اما با حال‌وهوای محو و تکه‌تکهٔ مخصوص «زَزِرکانه».

🌫️ ویژگی خاص این دنیا:
مرز واقعیت و بازسازی دیجیتال از هم می‌لغزد؛ همه‌چیز طبیعی است اما کمی روان، کمی محو، کمی عجیب… دقیقاً همان‌طور که انتظار می‌رود یک جهان پشت آینه باشد.

✨ نتیجه؟
ترکیبی از هنر، ریاضیات، بینایی کامپیوتری و خلاقیتی که فقط تکنیک Gaussian Splats قادر به خلق آن است.
من شخصاً از کیفیت و حسِ فضاسازی این کارها واقعاً شگفت‌زده شدم.

اگر می‌خواهید خودتان وارد این زَزِرکاله سه‌بعدی شوید و در آن قدم بزنید، لینک تجربه همان است که همه را شگفت‌زده کرده:

🔗 https://superspl.at/view?id=0feb4c5c

@rss_ai_ir
#هوش_مصنوعی #سه‌بعدی #GaussianSplats #3DScan #RealityCapture #کامپیوتر_ویژن #AI

🌍 مدل WorldGen؛ نسل بعدی ساخت جهان‌های سه‌بعدی
متا رسماً وارد بازی «خدای 3D» شده است.

اگر Marble و Genie فقط «تصویر از یک دوربین» می‌دادند، WorldGen یک قدم جلوتر است:
یک تکه واقعی از جهان سه‌بعدی — حدود ۵۰×۵۰ متر فضای قابل پیمایش — که می‌توانید مستقیماً داخل Unity یا Unreal بندازید و مثل یک محیط بازی واقعی استفاده کنید.

🔥 چرا WorldGen متفاوت است؟
چون این دیگر نه Gaussian Splats است و نه ویدئو.
🔹 مش واقعی (3D Mesh)
🔹 ساختار هندسی کامل
🔹 قابل استفاده در موتورهای بازی‌سازی
🔹 جهان قابل ناوبری (Navmesh-ready)

متا خودش می‌گوید WorldGen ترکیبی از 3 چیز است:

1. روش‌های پروسیجرال
2. دیفیوژن برای تولید 2D
3. بازسازی کامل 3D بر اساس آبجکت‌ها



نتیجه؟
جهان‌هایی پایدار، قابل راه‌رفتن، قابل رندر و مناسب برای:
🎮 بازی‌ها
🤖 شبیه‌سازها
🌐 محیط‌های اجتماعی و VR


---

🔧 Pipeline چهار مرحله‌ای WorldGen

(1) Planning – برنامه‌ریزی
▫️ ساخت پروسیجرال بلوک‌ها
▫️ استخراج Navmesh
▫️ تولید تصاویر مرجع

(2) Reconstruction – بازسازی
▫️ تبدیل تصویر به 3D
▫️ تولید صحنه براساس Navmesh
▫️ ساخت بافت اولیه

(3) Decomposition – تجزیهٔ صحنه
▫️ استخراج قطعات با AutoPartGen
▫️ پاک‌سازی و سازمان‌دهی داده

(4) Refinement – پالایش نهایی
▫️ ارتقای کیفیت تصویر
▫️ اصلاح مش
▫️ تکسچرینگ نهایی


---

🚨 اما خبر بد؟

اینکهWorldGen فعلاً محصول نیست.
متا هنوز روی سرعت تولید و ساخت جهان‌های بزرگ‌تر کار می‌کند (فعلاً خیلی کند است).

اما خروجی‌های اولیه شگفت‌انگیزند — ویدیوی دمو را اینجا ببینید:
🔗 https://www.uploadvr.com/meta-worldgen-ai-generates-3d-worlds/

به‌ظاهر، متا می‌خواهد Minecraft + Unreal + AI را یک‌جا ترکیب کند.
سال ۲۰۲۵ احتمالاً سال متولد شدن GenAI-Worlds خواهد بود.

@rss_ai_ir
#متاورس #WorldGen #MetaAI #3DGeneration #Unity #Unreal #AI #GameDev #GenerativeAI

✨ مدل MSRNet؛ شبکهٔ چندمقیاسی بازگشتی برای آشکارسازی اشیای استتار‌شده
@rss_ai_ir

تشخیص اشیایی که عمداً در محیط «محو» شده‌اند همیشه یکی از سخت‌ترین چالش‌های بینایی ماشین بوده است.
مدل MSRNet با ترکیب Pyramid Vision Transformer و Recursive Feature Refinement توانسته یک جهش جدی ایجاد کند و در بنچمارک‌ها به State-of-the-Art برسد.

🔍 چرا MSRNet مهم است؟

✳️عملکرد عالی روی اجسام کوچک و چندگانه

✳️تقویت چندمرحله‌ای ویژگی‌ها با معماری بازگشتی

✳️یادگیری پایدارتر و دقت بالاتر نسبت به مدل‌های قبلی

✳️مناسب برای کاربردهایی مثل: نظارت، رباتیک، پزشکی و تحلیل حیات‌وحش


📅 تاریخ انتشار: ۱۶ نوامبر
📄 لینک مقاله:
arXiv: https://arxiv.org/abs/2511.12810
PDF: https://arxiv.org/pdf/2511.12810

🤗 مدل‌های منتشرشده:
https://huggingface.co/linaa98/MSRNet


---

#CamouflagedObjectDetection #MSRNet #ObjectDetection #ComputerVision #DeepLearning #VisionTransformer #AIResearch #NeuralNetworks

⚡️ مدل Flux 2 رسماً منتشر شد – ارتقای بزرگ در نسل تصویر
@rss_ai_ir

مدل Flux 2 با یک آپدیت سنگین برگشته و حالا دقیق‌تر، واقع‌گراتر و بسیار توانمندتر شده است.

✨ چه چیزهایی بهتر شده؟

♻️پشتیبانی همزمان از ۱۰ رفرنس

♻️درک بسیار بهتر از نور، متریال‌ها و اپتیک

♻️رندر دقیق‌تر و طبیعی‌تر متن

♻️خروجی با کیفیت ۴K واقعی

♻️تصاویر نرم‌تر، واقع‌گراتر و بدون «براقی پلاستیکی»

♻️امکان ترکیب، ویرایش و ژنریشن چندمرحله‌ای


🖥️ اجرای محلی هم کاملاً ممکن است
وزن‌ها باز هستند و با حدود ۶۵ گیگابایت می‌توانید مدل را روی سیستم خود اجرا کنید.

🟠 دمو:
https://playground.bfl.ai/image/generate

🟠 وزن‌ها:
https://huggingface.co/black-forest-labs

🟠 FLUX.2-dev در HF:
https://huggingface.co/black-forest-labs/FLUX.2-dev


---

#Flux2 #AI #ImageGeneration #AIGraphics #GenerativeAI #BlackForestLabs #DiffusionModels

📌 قدرت سگ‌ربات‌های جدید واقعاً شگفت‌انگیز شده است
@rss_ai_ir

ربات‌های چهارپا حالا به مرحله‌ای رسیده‌اند که توان، چابکی و کنترل آن‌ها جدی‌تر از هر زمان دیگری است. حرکاتی که چند سال پیش فقط در آزمایشگاه‌ها دیده می‌شد، امروز با دقت و ثبات بالا انجام می‌شود — از پرش و دویدن گرفته تا حمل بار و انجام کارهای صنعتی.

این سطح از قدرت یعنی:
💥 ورود جدی ربات‌ها به عملیات امداد، امنیت، بازرسی صنعتی
💥 توان انجام کارهایی که برای انسان خطرناک یا غیرممکن است
💥 گام بزرگ به سمت ربات‌های خودمختار در مقیاس وسیع

دنیای رباتیک واقعاً با سرعت باور نکردنی در حال تغییر است.

#رباتیک #هوش_مصنوعی #RobotDog #AI #Automation #FutureTech