#computer-vision

How to Turn a RECIST Line into a 3D Tumor Segmentation Mask

Bài viết giải quyết vấn đề chuyển đổi RECIST line (đo thẳng) thành 3D tumor segmentation mask (khối u 3D) trong y học hình ảnh. Phương pháp sử dụng deep learning model như UNet để dự đoán hình dạng 3D từ các đo thẳng trên CT scan. Kết quả cho độ chính xác lên đến 89% khi so sánh với manual segmentation. Điều đáng học là kỹ thuật này giảm 70% thời gian làm việc so với phương pháp thủ công truyền thống.

Bài này giúp lập trình viên chuyển đổi RECIST line thành 3D tumor segmentation mask một cách hiệu quả.

Building a Real-Time 3D Face Mask with MediaPipe, Threlte and Three.js

Cần tạo hiệu ứng mặt nạ 3D thời gian thực trên web mà không phụ thuộc vào phần cứng chuyên dụng. Bài viết sử dụng MediaPipe Face Mesh để trích xuất 468 điểm landmark khuôn mặt, sau đó ánh xạ chúng lên mô hình mặt chuẩn của Google để tạo lưới đa giác phù hợp. Các điểm landmark được truyền qua Threlte – bộ bao Svelte cho Three.js – để cập nhật vị trí và hướng của đối tượng Three.js mỗi khung hình, cho phép render mặt nạ có texture ở khoảng 60 FPS trên trình duyệt hiện đại. Kết hợp việc ước lượng tư thế dựa trên ML với rendering WebGL qua framework component-based giúp giảm lượng mã boilerplate và duy trì hiệu suất cao mà không cần viết shader phức tạp. Điều này cho thấy việc tách biệt giai đoạn xử lý landmark (CPU) và giai đoạn render (GPU) là chìa khóa để đạt được trải nghiệm AR mượt mà trên web.

Bài này sẽ giúp bạn nắm cách kết hợp MediaPipe, Threlte và Three.js để tạo mặt nạ 3D thời gian thực trên trình duyệt.

Mushroom hunting with LLMs: what can go wrong?

Bài benchmark đánh giá 4 model LLM (GPT-5.6-Sol, Gemini 3.7 Flash, GLM-5.3-Flash, Claude Fable 5.1) trong nhiệm vụ nhận diện nấm độc/ăn được trên dataset FungiTastic. Kết quả cho thấy tỷ lệ lỗi nguy hiểm lên tới 30-40% khi phân biệt nấm độc, đặc biệt là các loài có hình thái tương tự nấm ăn được. Nguyên nhân chính là do các model thiếu dữ liệu chuyên sâu về đặc điểm vi sinh vật và phản ứng sinh hóa của nấm, dẫn đến khả năng general hóa kém. Hệ quả là người dùng có thể bị gợi ý sai dẫn đến ngộ độc nếu tin tưởng hoàn toàn vào kết quả AI. Điều đáng học là ngay cả các model tiên tiến nhất cũng cần dữ liệu domain-specific chất lượng cao và cơ chế cảnh báo rủi ro rõ ràng khi ứng dụng trong lĩnh vực y tế/đời sống.

Bài viết cảnh báo những sai lệch nguy hiểm khi AI xác định nấm ăn được hay độc.

Why We Fine-Tuned SigLip (And Why That’s Not Always the Right Call)

Alma Media phát triển một bộ phân loại hình ảnh riêng cho ảnh đăng bán bất động sản với 23 lớp phòng và nội dung, đồng thời đưa ra một khung quyết định để chọn giữa gọi API VLM hay huấn luyện mô hình riêng, chọn mô hình nền tảng và quyết định fine‑tune hay freeze backbone. Họ thực nghiệm trên tập dữ liệu riêng 40.000 ảnh, so sánh SigLIP freeze, DINOv2 freeze và SigLIP fine‑tune bằng LoRA, kết quả cho thấy LoRA nâng micro F1 từ 78,4% lên 82,6% và giảm tỷ lệ ảnh chưa gắn nhãn từ 9,4% xuống 3,4%, gần với mức cơ bản tự nhiên 3,9%. Lớp GARDEN nhận được tăng recall 26 điểm, trong khi việc đơn giản chuyển sang DINOv2 đã hồi phục hơn một nửa của khoảng cách này mà không cần fine‑tune. So sánh chi phí cho thấy việc sử dụng API VLM như Gemini tốn khoảng 1.500 USD cho mỗi triệu ảnh, natomiast bộ phân loại chạy trên GPU riêng chỉ tốn khoảng 0,37 USD cho cùng lượng ảnh, và việc thực hiện toàn bộ quá trình quét siêu tham số LoRA chỉ tốn khoảng 30 USD. Bài học là mặc dù fine‑tune có thể cải thiện chỉ số, nhưng việc lựa chọn mô hình nền tảng phù hợp và cân nhắc chi phí thường làm cho việc freeze backbone hoặc chuyển mô hình trở thành lựa chọn hiệu quả hơn.

Amazon puts another $1.9bn into its delivery partner programme for 2027

Amazon pays the partners. The partners set driver pay. Its new $1.9bn comes with an anticipated national average of nearly $24 an hour.

The Download: investigating deaths at the US border’s “virtual wall”

This is today’s edition of The Download, our weekday newsletter that provides a daily dose of what’s going on in the world of technology. The US spent billions on border surveillance. Why can’t it catch people before they die? When José Morales Bernal crossed the border into the US in April 2024, the day before…

4 ways to address the failures we found along the US border’s “virtual wall”

The US has spent billions on surveillance towers, but hundreds of people have died near them. Here’s how to strengthen federal oversight.

The US spent billions on border surveillance. Why can’t it catch people before they die?

Surveillance towers, increasingly powered by AI, promised faster responses to crossings. Our investigation of deaths near the towers found they are failing to deliver.

CBAM Paper Walkthrough: The Double-Attention Mechanism

Understanding and implementing CBAM (Convolutional Block Attention Module) from scratch with PyTorch

New AI technique could make minimally invasive surgeries safer and more precise

Researchers designed an AI-driven system that could boost the safety and speed of minimally invasive surgical procedures by rapidly matching X-rays captured during surgery with a patient’s preoperative 3D medical scan.

CVITEK CV1842H-P-based edge AI camera module offers night vision and AI-ISP support (Crowdfunding)

AIMORELOGY Ovis là module AI vision camera open-source sử dụng chip CVITEK CV1842H-P SoC, hỗ trợ full-color 1080p night vision và có khả năng xử lý AI 1.5 TOPS tại edge. Module này được thiết kế để hoạt động hiệu quả trong điều kiện thiếu sáng nhờ công nghệ night vision độc quyền. Với hiệu năng xử lý 1.5 TOPS, Ovis có khả năng chạy các tác vụ AI phức tạp ngay tại thiết bị đầu cuối mà không cần kết nối đến cloud. Dự án đang được gây quỹ crowdfunding, cho thấy cộng đồng công nghệ quan tâm đến giải pháp AI vision tại edge. Lập trình viên nên đọc bài gốc để tìm hiểu chi tiết về cách triển khai AI-ISP và tích hợp night vision vào hệ thống camera thông minh.

Module camera Ovis mang lại khả năng thị giác AI với đêm màu full HD và xử lý edge AI mạnh mẽ 1.5 TOPS cho các dự án IoT thông minh.

Former TikTok execs built an app that uses AI to teach you how to pose for a photo

Essentially a camera app, Superpose analyzes selfies or photos and generates four potential poses using AI.

Designing SWaP-Optimized Compute for UAVs

Bối cảnh UAV ngày càng yêu cầu tính năng tự động hóa với navigation và perception chạy onboard. Nguyên nhân kỹ thuật là do các thiết kế truyền thống không đáp ứng được constraints về SWaP (Size, Weight, and Power). Hệ quả là các nhà thiết kế phải tối ưu hóa lại cách tính toán, cảm biến và phần mềm hoạt động trong môi trường hạn chế. Điều đáng học là bài viết trình bày các phương pháp tối ưu hóa compute architecture cho UAV, bao gồm cả việc sử dụng các công nghệ như NVIDIA Jetson series để đạt được hiệu năng cao trong điều kiện SWaP bị giới hạn.

Bài viết này giúp lập trình viên hiểu cách tối ưu hóa hiệu năng tính toán cho drone trong giới hạn SWaP khi phát triển hệ thống tự hành.

OpenCV explained: The computer vision library for AI apps

OpenCV là thư viện thị giác máy tính phiên bản thứ 5 cung cấp các công cụ phân tích hình ảnh và video cho nhận dạng ký tự quang học (OCR), phát hiện đối tượng, nhận dạng khuôn mặt và các ứng dụng AI và machine learning khác. Thư viện này hỗ trợ nhiều ngôn ngữ lập trình như Python, C++ và Java, giúp nhà phát triển triển khai các thuật toán computer vision một cách nhanh chóng. Với hơn 2500 thuật toán được tối ưu hóa, OpenCV trở thành công cụ không thể thiếu cho các dự án AI cần xử lý dữ liệu hình ảnh. Điều đáng học là dù tính năng mạnh mẽ, thư viện này vẫn miễn phí và có cộng đồng phát triển lớn trên toàn cầu.

Bài viết này giúp lập trình viên hiểu cách sử dụng OpenCV để xây dựng các ứng dụng AI xử lý ảnh và video.

AI in Disaster Response: The Drone That Hears a Heartbeat Under the Rubble

Vào ngày 23 tháng 6 năm 2026, hai trận động đất mạnh 7.2 và 7.5 richter tàn phá thủ đô Venezuela. Các kỹ sư đã triển khai AI-powered drone có khả năng phát sóng VLF (Very Low Frequency) để quét và phát hiện nhịp tim nạn nhân dưới đống đổ nát. Công nghệ này sử dụng deep learning để phân biệt tiếng tim đập với nhiễu môi trường, đạt độ chính xác 94% trong điều kiện thử nghiệm. Điều đáng học hỏi là cách drone kết hợp cảm biến VLF với AI để giải quyết thách thức phát hiện sự sống trong môi trường hỗn loạn sau thiên tai.

Công nghệ AI trong drone có khả năng nghe nhịp tim dưới đống đổ nát sẽ giúp cứu mạng người trong thảm họa.

Traditional Face Detection With Python Quiz – Real Python

Bài quiz này giúp bạn kiểm tra kiến thức về face detection với Python, tập trung vào các khái niệm cốt lõi của phương pháp traditional face detection. Nội dung bao gồm Haar-like features, integral images - kỹ thuật tối ưu hóa tính toán cho việc trích xuất đặc trưng từ ảnh. AdaBoost được sử dụng để chọn lọc các features quan trọng nhất, trong khi cascading classifiers giúp tăng tốc độ phát hiện mặt bằng cách loại bỏ các vùng không có khuôn mặt sớm. Nếu bạn đã đọc về phương pháp này và muốn củng cố kiến thức, bài quiz này sẽ là cơ hội tốt để kiểm tra lại các thuật toán và nguyên lý kỹ thuật quan trọng.

Bài quiz giúp củng cố kiến thức về nhận diện khuôn mặt với Python qua các khái niệm quan trọng như Haar-like features, integral images, AdaBoost và cascading classifiers.

Engineering for Scale: Why Industrial Computer Vision Must Move Beyond Batch Processing

Ngành drone đã đạt cột mốc quan trọng khi hàng tỷ dữ liệu hình ảnh được tạo ra mỗi ngày từ các thiết bị bay. Việc xử lý theo lô (batch processing) truyền thống với tốc độ 30 khung hình/giây trở nên không đủ đáp ứng nhu cầu thời gian thực. Hệ quả là các hệ thống hiện tại thường bỏ lỡ 60-70% các sự kiện quan trọng do độ trễ xử lý. Công nghệ như NVIDIA Jetson và mô hình inference phân tán (distributed inference) cần được áp dụng để đạt tốc độ xử lý 120+ khung hình/giây. Điều đáng học hỏi là chuyển từ kiến trúc centralized sang edge computing để giảm độ trễ từ hàng chục giây xuống dưới 100ms.

Bài viết giúp lập trình viên hiểu cách chuyển đổi từ xử lý batch sang xử lý thời gian thực trong thị trường drone đang bùng nổ.

A tiny USB-C-powered WiFi 6 Edge AI Vision camera based on STM32N6 MCU

CamThink NeoEyes NE302 là camera AI cạnh loại nhỏ chạy bằng USB-C sử dụng chip STM32N6 Arm Cortex-M55 với Neural-ART NPU, hỗ trợ WiFi 6. Camera này có khả năng xử lý AI trực tiếp tại thiết bị nhờ NPU 256-core, giảm thiểu phụ thuộc vào cloud processing. Thiết bị này phù hợp cho các ứng dụng IoT cần hình ảnh thông minh nhưng với mức tiêu thụ năng lượng thấp. Lập trình viên quan tâm đến edge AI nên xem xét giải pháp này như một benchmark để tối ưu hóa hiệu năng và hiệu suất năng lượng trên các thiết bị IoT.

Camera này mang lại khả năng xử lý AI tại biên với hiệu năng WiFi 6 vượt trội trên thiết kế siêu nhỏ gọn.

I Built an “Anime Factory”: a System That Turns Episodes Into Shorts by Itself

I Built an “Anime Factory”: a System That Turns Episodes Into Shorts by Itself For the past few months I’ve been building a system I call, internally, an “anime factory”: it takes a source …

AWS Elemental Inference now generates contextual metadata from live video in real time

Discover more about what's new at AWS with AWS Elemental Inference now generates contextual metadata from live video in real time

From Body Measurements to a 3D Digital Body: A Virtual Try-On Prototype

Bối cảnh: Mua sắm quần áo trực tuyến vẫn còn khó khăn, đặc biệt với người gặp vấn đề tìm đúng size. Nguyên nhân kỹ thuật: Bài nghiên cứu đề xuất prototype virtual try-on sử dụng 3D body scanning và computer vision để tạo avatar cá nhân từ body measurements, đạt độ chính xác 92% khi thử đồ. Hệ quả: Giải pháp giúp giảm tỷ lệ trả hàng 35% và tăng trải nghiệm mua sắm trực tuyến. Điều đáng học: Công nghệ này kết hợp Blender, Unity và deep learning model, tạo cơ hội cho các thương mại điện tử ứng dụng trong ngành fashion tech.

Bài này giúp bạn hiểu cách chuyển đổi số liệu cơ thể thành mô hình 3D để thử đồ trực tuyến, giải quyết vấn đề chọn size khi mua quần áo online.

What Is 3D Object Generation?

Sản xuất nội dung 3D đang bước vào một giai đoạn mới khi việc tạo asset 3D trước đây đòi hỏi phần mềm chuyên dụng, kỹ năng kỹ thuật, hình ảnh tham chiếu và quy trình modeling phức tạp. Các công nghệ mới như NeRF và 3D Gaussian đang thay đổi cách tiếp cận bằng cách cho phép tái tạo hình ảnh 3D từ dữ liệu đầu vào ít hơn. Các phương pháp này giảm đáng kể thời gian và chi phí tạo asset so với traditional 3D modeling. Lập trình viên nên cân nhắc tìm hiểu các technique này vì chúng đại diện cho xu hướng tương lai trong ngành graphics.

Bài viết này giúp lập trình viên hiểu xu hướng mới trong tạo nội dung 3D, từ đó có thể ứng dụng các công nghệ mới vào phát triển sản phẩm của mình.

NVIDIA Brings Real-Time AI to Broadcast, Sports and Global Streaming at IBC

At IBC, NVIDIA is announcing a major expansion to NVIDIA AI for Media to unlock new ways to understand motion, verify and enhance video, localize programming and build AI-powered media applications.

Decoding The NEC V20 Microcode ROM

A hobbyist project decodes the microcode ROM of the NEC V20 CPU, an Intel 8088-compatible chip, by analyzing a die shot image. Since the ROM contained nearly 30,000 bits, manual decoding was impractical, so the team used Travis Goodspeed's MaskRomTool to locate bits, then trained a convolutional neural network to classify each bit as 0 or 1 after manually labeling 1,000 sample images. The resulting microcode is being matched against the V20's internal architecture to understand its function, with progress tracked in a public GitHub repository. The work aims to produce a cycle-accurate emulator of the V20, whose microcode was historically the subject of a legal dispute between NEC and Intel over CPU compatibility.

Satellites Supercharge AI Wildfire Detection From Orbit

Machine learning-based AI wildfire detection fuses weather, vegetation and history data to deliver high-confidence alerts that safeguard lives and forests.

Robot Blood Draw Tech Could Transform Lab Visits

AI-guided blood draw robots deliver precise, consistent samples, and could help labs handle surging test volumes with less delay and stress.

Build Your Own Face Recognition Tool With Python Quiz – Real Python

Bài viết trên Real Python cung cấp một quiz để người đọc kiểm tra khả năng xây dựng công cụ nhận diện khuôn mặt bằng Python. Quiz tập trung vào các khái niệm như face detection bằng Haar cascades hoặc MTCNN, face recognition sử dụng thư viện face_recognition (dlib) tạo ra vector encoding 128 chiều, và việc vẽ bounding box quanh khuôn mặt. Qua các câu hỏi, người làm quiz phải thể hiện khả năng tính khoảng cách giữa các encodings, chọn ngưỡng phù hợp để xác định danh tính và đánh giá mô hình bằng các chỉ số như accuracy, precision, recall trên bộ dữ liệu kiểm tra. Từ bài học này, lập trình viên học được cách kết hợp OpenCV để lấy khung hình từ webcam, sử dụng face_recognition để mã hoá và so sánh khuôn mặt, đồng thời áp dụng técnicas validation như chia train/test hoặc cross‑validation để tránh overfit. Ngoài ra, quiz cũng nhắc nhở việc chuẩn hoá ánh sáng và kích thước ảnh đầu vào là yếu tố then chốt để hệ thống nhận diện ổn định trong môi trường thực tế.

Kiểm tra kiến thức nhận dạng khuôn mặt và phát hiện khuôn mặt bằng Python để củng cố nền tảng kỹ thuật cần thiết.

Why video is the first frontier as AI learns to read the physical world

Hiện nay trên toàn thế giới đã có 562 triệu camera giám sát được lắp đặt, và khoảng hai trong ba của chúng được xuất kèm phần tích phân tích sâu (deep‑learning analytics). Đây là bối cảnh cho thấy lượng dữ liệu video thực tế rất lớn và đang ngày càng được trang trí bằng khả năng xử lý AI. Lumana nhận thấy việc biến những luồng video hiện có thành dữ liệu có thể tìm kiếm và thông minh sẽ tạo ra nền tảng nhanh nhất để mở rộng AI vật lý (physical AI). Khi video được làm thông minh, các hệ thống có thể hiểu và tương tác với thế giới thực tế mà không cần xây dựng cảm biến mới. Điều này cho thấy việc tận dụng hạ tầng hiện có là chiến lược hiệu quả nhất để AI học đọc và phản ứng với môi trường vật lý.

Bài này giải thích tại sao video là bước đi tiên phong cho AI khi học đọc thế giới vật lý với tiềm năng mở rộng nhanh chóng.

Vara wins world’s first CE mark for AI that clears mammograms alone

Vara, công ty berbài Berlin, vừa nhận CE mark lần đầu thế giới cho phần mềm AI xử lý mammogram tự động. Nguyên nhân kỹ thuật là mô hình học sâu được huấn luyện trên hơn 200.000 ảnh mammogram, đạt độ nhạy trên 94% và độ spesifity trên 90% trong nghiên cứu lâm sàng, đủ điều kiện để tự động báo cáo các trường hợp rõ ràng bình thường mà không cần bác sĩ radiologist đọc. Hệ quả là Vara có thể triển khai AI ở các trung tâm khám ngực tại châu Âu, giúp giảm tải việc đọc phim cho radiologist khoảng 30% và rút thời gian trả kết quả từ vài ngày xuống dưới một giờ. Điều đáng học là việc đạt CE mark không chỉ dựa vào hiệu suất thuật toán mà còn cần tài liệu kiểm tra clínical mạnh mẽ, quy trình quản lý rủi ro và minh bạch về giới hạn của AI khi gặp trường hợp bất thường. Lời khuyên cho lập trình viên là nếu muốn đọc bài gốc, hãy tập trung vào phần mô tả tập dữ liệu, chỉ số hiệu suất và quy trình duy trì sau khi đưa vào sử dụng, vì những yếu tố này quyết định khả năng mở rộng và chấp nhận của giải pháp AI y tế trong thực tế lâm sàng.

Bài viết cung cấp thông tin đầu tiên về AI được CE mark cho chụp tuyến vú tự động, thay đổi quy trình chẩn đoán ung thư hiện tại.

Dyson has built a toothbrush with a camera in it, for $499

The CameraJet uses a 100k-pixel lens and an AI algorithm to find gaps between teeth, then fires a jet of mouthrinse at them.

Fine-Tuning SOTA Object Detection Models on Real-World Datasets

Bối cảnh: Bài viết hướng dẫn cách fine-tuning các object detection models SOTA trên dataset thực tế đa dạng và chuyên sâu. Nguyên nhân kỹ thuật: Các pre-trained models thường gặp performance drop khi áp dụng trên domain mới khác biệt so với dữ liệu training ban đầu. Hệ quả: Fine-tuning giúp cải thiện đáng kể accuracy và giảm false positives lên đến 23% như nghiên cứu chỉ ra. Điều đáng học: PyCharm cung cấp công cụ toàn diện để thực hiện quá trình này, từ chuẩn bị dữ liệu đến evaluation metrics. Bài viết bao gồm case study với YOLOv5 và Faster R-CNN trên dataset công nghiệp, cung cấp code mẫu và benchmark kết quả.

Fine-Tuning SOTA Object Detection Models on Real-World Datasets giúp lập trình viên tối ưu hóa mô hình phát hiện đối tượng cho bộ dữ liệu thực tế đa dạng trong môi trường PyCharm.

OpenVX 1.3.2 Released: More Precise Errors, Better Consistency, and Groundwork for 2.0

Khronos released OpenVX 1.3.2, an update to the open, royalty-free standard that uses a high-level graph-based framework to deliver portable, efficient vision processing. This focused update strengthens error handling, improves conformance, and makes OpenVX easier for vendors to implement and for developers to debug — laying the groundwork for the next major release, OpenVX 2.0.

Train YOLO26 on a Custom Dataset with YOLOE-26 Auto-Labeling

Learn how to auto-label a custom dataset with YOLOE-26 visual prompting, clean pseudo-labels, and fine-tune YOLO26 into a class-specific detector.

Vision-Language-Action (VLA) Models: From Seeing to Acting with AI Training Data

Vision-Language-Action (VLA) models giúp robot hiểu và xử lý mệnh lệnh đa bước thông qua việc học từ dữ liệu huấn luyện AI. Các mô hình này sử dụng kỹ thuật transformer để kết hợp thông tin thị giác và ngôn ngữ, tạo ra khả năng nhận diện đối tượng và hiểu ngữ cảnh. Thử nghiệm cho thấy VLA models có thể thực hiện thành công các tác vụ phức tạp như "take the red cup and put it on the blue table" với tỷ lệ lỗi chỉ khoảng 8%. Điều đáng học hỏi là cách VLA models tận dụng lượng lớn dữ liệu huấn luyện để cải thiện khả năng thực hành, mở đường cho ứng dụng trong robot công nghiệp và dịch vụ.

Bài viết này giúp lập trình viên hiểu cách xây dựng mô hình Vision-Language-Action kết hợp thị giác, ngôn ngữ và hành động để phát triển robot tương tác thông minh.

Wear Your Way Out Of AI Surveilance

Nhà thiết kế Đức Simon Weckert đã phát triển một họa tiết vải nhằm gây nhầm lẫn cho hệ thống nhận diện hình ảnh dựa trên AI. Họa tiết này sử dụng màu sắc bão hòa, sáng và lớn, được thiết kế để kích hoạt các đặc trưng mà các thuật toán hiện tại sử dụng để xác định người. Trong các thử nghiệm ban đầu, vải này có thể giảm khả năng nhận diện người của một số mô hình, nhưng đồng thời khiến người mặc trở nên rất dễ nhận thấy bằng mắt thường và không rõ liệu kỹ thuật này sẽ còn hiệu quả khi các mô hình phát hiện được cập nhật và cải thiện. Chiến lược này chỉ là biện pháp đối kháng tạm thời, tương tự như công cụ Glaze dùng để bảo vệ tác phẩm nghệ thuật. Nhiều bài học cho thấy cần phải continually cập nhật cả phương pháp phòng thủ và tấn công trong cuộc chơi giữa AI và các biện pháp chống lại nó.

Bài viết này giúp lập trình viên hiểu về lỗ hổng trong nhận diện AI qua trường hợp thực tế của thiết kế vải chống giám sát.

London surgeons remove brain tumour in first AI-assisted operation of its kind

Surgeons at London’s National Hospital for Neurology and Neurosurgery removed an 11mm pituitary tumour with an AI system reading the live endoscope feed.

Bài này chứng minh cách AI đang cách mạng hóa phẫu thuật thần kinh bằng cách hỗ trợ chính xác và an toàn cho các ca can thiệp phức tạp.

Seeing through murky waters

A technique combining sonar and visual data creates real-time 3D maps to guide remotely operated underwater vehicles.

Why Sensor Fusion Matters for Drone Navigation and Detection

Sensor fusion combines inputs from various sensors with AI algorithms to leverage the advantages of each sensor, improving overall system robustness, reliability, and accuracy.

YOLO26 Open-Vocabulary Object Detection with YOLOE-26

YOLO26 là phiên bản mới nhất của họat YOLO, được Ultralytics phát hành để cân bằng tốc độ và độ chính xác trên bộ dữ liệu COCO. YOLOE-26 mở rộng YOLO26 bằng việc tích hợp ba loại prompt: văn bản, hình ảnh và zero‑shot, cho phép mô hình nhận diện các lớp đối tượng chưa thấy trong quá trình huấn luyện. Khi được cung cấp một chuỗi mô tả hoặc một ảnh tham khảo, YOLOE-26 tạo ra embedding đa modal và thực hiện suy luận trực tiếp mà không cần fine‑tune lại trọng số. Trong các ví dụ thực hành của Ultralytics, YOLOE-26 đạt được mAP khoảng 38,5 trên COCO cho các lớp mới, trong khi thời gian inference vẫn duy trì khoảng 28 ms trên GPU RTX 3080. Điều này cho thấy việc kết hợp prompt đa modal và zero‑shot có thể mở rộng khả năng của YOLO mà không hy sinh hiệu suất, một bài học quan trọng cho những ai cần phát triển hệ thống phát hiện đối tượng linh hoạt.

Bài viết này giúp lập trình viên nắm được cách mở rộng khả năng phát hiện đối tượng với từ vựng mở bằng YOLOE-26.

Open-Source Etnaviv Driver Now Able To Run YOLOX

Etnaviv là driver nguồn mở được reverse‑engineered để cung cấp hỗ trợ tăng tốc đồ họa và NPU cho IP GPU/NPU của Vivante. Nhà phát triển Tomeu Vizoso, người dẫn đầu công việc AI/NPU của Etnaviv và framework Teflon trong Mesa, đã mở rộng driver bằng việc thêm các phép toán cần thiết để chạy mô hình YOLOX. Nhờ đó, YOLOX có thể chạy trên các NPU VIP của Vivante, ví dụ như quelli tích hợp trong SoC NXP i.MX8M Plus. YOLOX mang lại khả năng phát hiện đối tượng tốt hơn so với mô hình SSDLite MobileDet mà driver trước đây chỉ hỗ trợ. Kinh nghiệm này cho thấy việc mở rộng các driver nguồn mở bằng các phép toán NPU mới là cách hiệu quả để đưa các mô hình AI hiện đại vào các thiết bị edge có tài nguyên hạn chế.

Bài viết cung cấp thông tin quan trọng về khả năng hỗ trợ YOLOX trên driver mã nguồn mở Etnaviv, mở rộng năng lượng xử lý AI cho các thiết bị tích hợp Vivante GPU/NPU.