🎬 نسل جدید ویدئوهای طولانی با روش Mixture of Contexts
محققان ByteDance و استنفورد روشی نوین برای تولید ویدئوهای طولانی معرفی کرده‌اند که مشکل اصلی مدل‌ها را حل می‌کند:
وقتی ویدئو طولانی میشود، توجه مدل بیش از حد «پف می‌کند»؛ محاسبات سنگین‌تر میشود، جزئیات از بین می‌رود، کاراکترها فراموش می‌شوند و تصویر «سر می‌خورد».
---
🔑 ایده اصلی: Mixture of Contexts
♻️ویدئو به چند بخش (فریم، شات، کپشن) تقسیم میشود.
♻️هر کوئری فقط بخش‌های مرتبط را انتخاب می‌کند، نه کل تاریخچه را.
♻️انتخاب با یک امتیاز شباهت ساده انجام میشود (مقایسه ویژگی بخش‌ها با کوئری).
♻️دو «لنگر» همیشه حاضرند: پرامپت کامل و شات محلی برای جزئیات تصویری.
♻️یک ماسک علّی دسترسی به فریم‌های آینده را می‌بندد تا حلقه ایجاد نشود.
♻️در نهایت، Flash Attention فقط روی بخش‌های انتخاب‌شده اعمال میشود → رشد محاسبات وابسته به طول کل ویدئو نیست، بلکه فقط به محتوای مفید بستگی دارد.
---
📊 نتایج
♻️۷ برابر کاهش FLOPs
♻️۲.۲ برابر سرعت بیشتر
♻️در صحنه‌های طولانی (۱۸۰هزار توکن)، ۸۵٪ از توجه غیرضروری حذف شد.
---
🎥 جمع‌بندی
✳️در ویدئوهای کوتاه، کیفیت حفظ میشود.
✳️در ویدئوهای طولانی، صحنه‌ها روان‌تر و کاراکترها پایدارتر هستند.
✳️زمان تولید به‌طور محسوسی کاهش می‌یابد.
🔑 نکته مهم:
مدل خودش یاد می‌گیرد روی چه چیزی تمرکز کند، بدون نیاز به تغییر معماری پایه؛ یعنی نوعی «حافظه» برای چند دقیقه ویدئو پیدا می‌کند.
🔖 لینک مقاله
#AI #ML #VideoGeneration #ByteDance #Stanford #DeepLearning #GenerativeAI #هوش_مصنوعی #یادگیری_عمیق #ویدئو #تولید_ویدئو
محققان ByteDance و استنفورد روشی نوین برای تولید ویدئوهای طولانی معرفی کرده‌اند که مشکل اصلی مدل‌ها را حل می‌کند:
وقتی ویدئو طولانی میشود، توجه مدل بیش از حد «پف می‌کند»؛ محاسبات سنگین‌تر میشود، جزئیات از بین می‌رود، کاراکترها فراموش می‌شوند و تصویر «سر می‌خورد».
---
🔑 ایده اصلی: Mixture of Contexts
♻️ویدئو به چند بخش (فریم، شات، کپشن) تقسیم میشود.
♻️هر کوئری فقط بخش‌های مرتبط را انتخاب می‌کند، نه کل تاریخچه را.
♻️انتخاب با یک امتیاز شباهت ساده انجام میشود (مقایسه ویژگی بخش‌ها با کوئری).
♻️دو «لنگر» همیشه حاضرند: پرامپت کامل و شات محلی برای جزئیات تصویری.
♻️یک ماسک علّی دسترسی به فریم‌های آینده را می‌بندد تا حلقه ایجاد نشود.
♻️در نهایت، Flash Attention فقط روی بخش‌های انتخاب‌شده اعمال میشود → رشد محاسبات وابسته به طول کل ویدئو نیست، بلکه فقط به محتوای مفید بستگی دارد.
---
📊 نتایج
♻️۷ برابر کاهش FLOPs
♻️۲.۲ برابر سرعت بیشتر
♻️در صحنه‌های طولانی (۱۸۰هزار توکن)، ۸۵٪ از توجه غیرضروری حذف شد.
---
🎥 جمع‌بندی
✳️در ویدئوهای کوتاه، کیفیت حفظ میشود.
✳️در ویدئوهای طولانی، صحنه‌ها روان‌تر و کاراکترها پایدارتر هستند.
✳️زمان تولید به‌طور محسوسی کاهش می‌یابد.
🔑 نکته مهم:
مدل خودش یاد می‌گیرد روی چه چیزی تمرکز کند، بدون نیاز به تغییر معماری پایه؛ یعنی نوعی «حافظه» برای چند دقیقه ویدئو پیدا می‌کند.
🔖 لینک مقاله
#AI #ML #VideoGeneration #ByteDance #Stanford #DeepLearning #GenerativeAI #هوش_مصنوعی #یادگیری_عمیق #ویدئو #تولید_ویدئو
🎉26👍25❤23🥰23😁22🔥18👏16
🤯 پژوهش تازه درباره خلاقیت متن
🔎 دانشمندان نشان داده‌اند: متن‌های نوشته‌شده توسط انسان از نظر نوآوری معنایی متنوع‌تر از متن‌های تولیدشده توسط هوش مصنوعی هستند.
🧮 روش سنجش
آن‌ها متریکی به نام *semantic novelty* معرفی کردند؛ فاصله کسینوسی بین جملات متوالی.
🧠 یافته‌های کلیدی
❇️ متن‌های انسانی در همه مدل‌های امبدینگ (RoBERTa, DistilBERT, MPNet, MiniLM) امتیاز نوآوری بالاتری داشتند.
❇️ در دیتاست داستان‌گویی مشترک انسان-هوش مصنوعی، بخش انسانی تنوع معنایی بیشتری ایجاد کرد.
✨ نکته جالب
چیزی که در AI به‌عنوان *hallucination* شناخته میشود، در داستان‌گویی تعاملی می‌تواند مفید باشد؛ چون پیچش‌های غیرمنتظره به روایت اضافه می‌کند.
👉 نتیجه‌گیری:
انسان‌ها خلاق‌تر و نوآورتر هستند، هوش مصنوعی پیش‌بینی‌پذیرتر است، اما در کنار همدیگر ترکیبی قدرتمند برای داستان‌سرایی می‌سازند.
🔗 جزئیات: [لینک پژوهش](https://idanvidra.github.io/playing_along_paper_site/)
@rss_ai_ir 🤖📚✨
#هوش_مصنوعی #خلاقیت #متن #تحقیق #AI_industrial_news
🔎 دانشمندان نشان داده‌اند: متن‌های نوشته‌شده توسط انسان از نظر نوآوری معنایی متنوع‌تر از متن‌های تولیدشده توسط هوش مصنوعی هستند.
🧮 روش سنجش
آن‌ها متریکی به نام *semantic novelty* معرفی کردند؛ فاصله کسینوسی بین جملات متوالی.
🧠 یافته‌های کلیدی
❇️ متن‌های انسانی در همه مدل‌های امبدینگ (RoBERTa, DistilBERT, MPNet, MiniLM) امتیاز نوآوری بالاتری داشتند.
❇️ در دیتاست داستان‌گویی مشترک انسان-هوش مصنوعی، بخش انسانی تنوع معنایی بیشتری ایجاد کرد.
✨ نکته جالب
چیزی که در AI به‌عنوان *hallucination* شناخته میشود، در داستان‌گویی تعاملی می‌تواند مفید باشد؛ چون پیچش‌های غیرمنتظره به روایت اضافه می‌کند.
👉 نتیجه‌گیری:
انسان‌ها خلاق‌تر و نوآورتر هستند، هوش مصنوعی پیش‌بینی‌پذیرتر است، اما در کنار همدیگر ترکیبی قدرتمند برای داستان‌سرایی می‌سازند.
🔗 جزئیات: [لینک پژوهش](https://idanvidra.github.io/playing_along_paper_site/)
@rss_ai_ir 🤖📚✨
#هوش_مصنوعی #خلاقیت #متن #تحقیق #AI_industrial_news
😁15👏12👍11🔥9🥰8❤7🎉5
This media is not supported in your browser
VIEW IN TELEGRAM
❤️🔥 PHD: Personalized 3D Humans ❤️🔥
🔹 محققان ETH و Meta رویکردی نوین به نام PHD معرفی کردند؛ روشی برای بازیابی مش سه‌بعدی انسان (HMR) و بدنه شخصی‌سازی‌شده که از اطلاعات اختصاصی شکل کاربر استفاده می‌کند.
✨ این روش دقت بالاتری در بازسازی بدن سه‌بعدی به‌دست می‌دهد و برای کاربردهایی مثل واقعیت مجازی، بازی‌ها و فیتنس دیجیتال بسیار کارآمد است.
🔗 منابع:
👉 Paper
👉 Project : https://phd-pose.github.io/
👉 Repo (به‌زودی)
@rss_ai_ir 🤖💙
#هوش_مصنوعی #سه_بعدی #متا #ETH #BodyMesh #AI_industrial_news
🔹 محققان ETH و Meta رویکردی نوین به نام PHD معرفی کردند؛ روشی برای بازیابی مش سه‌بعدی انسان (HMR) و بدنه شخصی‌سازی‌شده که از اطلاعات اختصاصی شکل کاربر استفاده می‌کند.
✨ این روش دقت بالاتری در بازسازی بدن سه‌بعدی به‌دست می‌دهد و برای کاربردهایی مثل واقعیت مجازی، بازی‌ها و فیتنس دیجیتال بسیار کارآمد است.
🔗 منابع:
👉 Paper
👉 Project : https://phd-pose.github.io/
👉 Repo (به‌زودی)
@rss_ai_ir 🤖💙
#هوش_مصنوعی #سه_بعدی #متا #ETH #BodyMesh #AI_industrial_news
🎉9❤7👍5👏5🔥3🥰3😁3
🔔 مدیرعامل انویدیا: هوش مصنوعی می‌تواند هفته کاری چهارروزه بسازد
جنسن هوانگ معتقد است بهره‌وری ناشی از AI می‌تواند هفته کاری را به ۴ روز کاهش دهد؛ درست مثل انقلاب‌های صنعتی گذشته که سبک کار و زندگی را تغییر دادند.
⚡ به گفته او:
✅هوش مصنوعی کارهای تکراری را حذف می‌کند، اما به جای استراحت، فرصت بیشتری برای دنبال‌کردن ایده‌ها فراهم میشود.
✅آزمایش‌ها در انگلیس، آمریکا و کانادا نشان دادند که هفته چهارروزه باعث ۲۴٪ افزایش بهره‌وری و نصف‌شدن فرسودگی شغلی شد.
✅او این تحول را با گذار تاریخی از هفته ۷ روزه به ۵ روزه مقایسه کرد؛ و احتمال می‌دهد AI جهش بعدی را رقم بزند.
🗓 با این حال هشدار داد: شاید در نهایت حتی مشغول‌تر از قبل شویم.
❓ شما حاضرید هفته کاری کوتاه‌تر داشته باشید، اگر به معنی شدت بیشتر کار در هر روز باشد؟
@rss_ai_ir 🤖✨
#هوش_مصنوعی #Nvidia #بهره‌وری #هفته_چهارروزه #AI_industrial_news
جنسن هوانگ معتقد است بهره‌وری ناشی از AI می‌تواند هفته کاری را به ۴ روز کاهش دهد؛ درست مثل انقلاب‌های صنعتی گذشته که سبک کار و زندگی را تغییر دادند.
⚡ به گفته او:
✅هوش مصنوعی کارهای تکراری را حذف می‌کند، اما به جای استراحت، فرصت بیشتری برای دنبال‌کردن ایده‌ها فراهم میشود.
✅آزمایش‌ها در انگلیس، آمریکا و کانادا نشان دادند که هفته چهارروزه باعث ۲۴٪ افزایش بهره‌وری و نصف‌شدن فرسودگی شغلی شد.
✅او این تحول را با گذار تاریخی از هفته ۷ روزه به ۵ روزه مقایسه کرد؛ و احتمال می‌دهد AI جهش بعدی را رقم بزند.
🗓 با این حال هشدار داد: شاید در نهایت حتی مشغول‌تر از قبل شویم.
❓ شما حاضرید هفته کاری کوتاه‌تر داشته باشید، اگر به معنی شدت بیشتر کار در هر روز باشد؟
@rss_ai_ir 🤖✨
#هوش_مصنوعی #Nvidia #بهره‌وری #هفته_چهارروزه #AI_industrial_news
🎉13🥰8👍6😁6👏4🔥3❤2