ActAnywhere: Subject-Aware Video Background Generation

Adobe смастерили генератор видео, который понимает переднеплановый объект и генерит соответствующий задний план под него. Да так, что они еще могут и взаимодействовать! В качестве задания можно подать начальный кадр задника, по видимому текст. Можно заменять и переднеплановый объект.

Короче, это ближе к той кнопке Сделать Красиво, которую мы хотим в кинопроизводстве. Ждем новую фичу в ПО Adobe

#text2video #video2video

Скрейпинг веб страниц в эпоху GPT-Vision

Последние пару недель, я много эксперементировал с парсингом и скрейпингом веб страниц. В итоге я пришел к выводу, что сайты были сделаны для того что бы на них смотрели глазами, и соответственно парсить их эффкетивнее всего тоже будет глазами.

Собрал для вас старый добрый Colab, с помощью которого можно сделать summary любой страницы в интернете (в пределах того, на что не обидится OpenAI).

Как это работает:

- с помощью selenium я делаю скриншоты сайта

- объединяю их в одну картинку

- отправляю эту картинку в GPT-vision

- получаю summary

🚀 Google Colab

Приглашаю всех попробовать и присылать PR c новыми функциями, исправлением багов и прочими правками.

В качестве бонуса (для продвинутых пользователей), добавил в pipeline создание эмбедингов поверх полученных summary.

Если пойдет, может быть сделаем крутого open-source Web-scrapping Assistant или типа того

dewatermark.ai

Удаление вотермарков с изображений. Говорят что бесплатно. Сервис умный, сам находит вотермарки, но можно выделить и кистью

#tools #inpainting #restoration

Наверстываю упущенное из-за поездки на премьеру

Для InstantID опубликован код, демоспейс. Да он даже уже в Pinokio есть

Он сохраняет узнаваемость лучше чем Photomaker. И уже придумали как его ускорить при помощи LCM-Lora

Код
Демо
Демо на некоммерческом GPU-кластере

#text2image #image2image #stylization #personalization

Квиз. Определите какие фото настоящие, а какие ИИ-генерации. У меня 50/50

#quiz

Human-LRM: Single-View 3D Human Digitalization with Large Reconstruction Models

#Nerf-реконструкция человека в 3D по одному изображению за 5 секунд. Связность на видео.

Как думаете, куда Adobe прикрутит эту штуку?

#imageto3D #videoavatar #image2avatar #image2nerf #video2nerf #novelview #rendering

UNIMO-G: Unified Image Generation through Multimodal Conditional Diffusion

В Baidu тоже придумали как улучшить генерацию картинок при помощи мультимодальных языковых моделей (MLLM).
Тут вам и персонализация, и сложные сцены с несколькими объектами.

Код ждем

#text2image #image2image #personalization

Нейромедуза в ударе

#humor

Вонка

Посмотрел на днях новый мюзикл. Запал он мне в сердечко. Милый и добрый. Да, много наивных моментов, но это сказка, а для жанра важны песни, визуалка и доброта, а не железная логика.

И Шаламе со своим театральным опытом тут как нельзя кстати.

#оффтоп