AutoCrawler: A Progressive Understanding Web Agent for Web Crawler Generation

Агент для автоматического выполнения заданий в интернете. На основе языковой модели, естественно. Давно жду пригодную модель для этих целей.
Пока есть только экспериментальный код. Авторы планируют адаптировать свою модель к работе с реальными сайтами. Наверно, обучали на игрушечных, я не знаю.

Код

#assistant #agent

MoMA: Multimodal LLM Adapter for Fast PersonalizedImage Generation

Мультимодальный LLM-адаптер (#MLLM), специализируется на создании персонализированных изображений с учетом тематики.

Умеет редактировать контекст (погода, локация), текстуры.

От кого? Правильно, от ByteDance

Код
Модель

#text2image #text2image

LGM: Large Multi-View Gaussian Model for High-Resolution 3D Content Creation

Генератор 3D моделей по тексту и по одному изображению на гауссианах

Код
Демо

#gaussian #textto3D #imageto3D

Ладно, раскрою секрет. Меня несколько раз спрашивали где я беру новости. Так я вам и сказал, ага, вы же сразу пойдете сами там брать, и мне не останется. Поэтому секрет такой: читайте Сергея Цыпцына, и будете в курсе происходящего в цифровом мире.

С Сергеем я знаком еще с 2015 года когда он пришел знакомиться на студию Scandinava. Легендарный автор лучшей книги про Maya на русском языке, организатор CG Event'а, эксперт в области компьютерной графики. Если вы всё еще не знаете, он ведет один из самых популярных каналов про ИИ Метаверсище и ИИще. Уже из названия можно понять что там вас ожидает авторский стиль.

В духе Сергея строить сбывающиеся прогнозы и даже указывать цифровому миру куда ему катиться.
Он не устаёт "хоронить" профессионалов самых разных направлений — от художников до разработчиков. Но дед пошёл дальше и казнил... камеру-раздеватор. Почитайте, это любопытно.

Он проверяет и докапывается до сути там где остальные просто репостят не разбираясь. Он первый спалил что Kaedim нанял индусов имитировать ИИ. Почитайте, там целый сериал

А еще на его счету 625 употреблений слова «кожаный» в постах (это не шутка, проверено!).

В общем, рекомендую подписаться и читать его блог, чтобы действительно понимать и осмысливать, как развивается всё это ИИ-безобразие в нашем мире.

Адобченко начинает жечь в преддверии Adobe Max.

Поглядите, как должен выглядеть интерфейс для работы с ИИ-картинками.
IP-Adapter и Style Reference, Firefly 3 и многое другое от Адобченко. Ждем к вечеру еще новостей.

StreamMultiDiffusion: Real-Time Interactive Generation withRegion-Based Semantic Control

Интерактивная генерация картинки по мульти промпту и заданным областям в реальном времени

Код
Демо SD1.5
Демо SDXL

#text2image #conditioning #realtime

imgsys

Еще одна
НО
Тут можно и генерить картинки

#comparison #shootout #leaderboard #text2image

Генератор картинок ideogram выкатил новую функцию describe - описание изображения. Но только для пользователей, оплативших подписку.

как пользоваться

#image2text #news

musicgen-songstarter-v0.2

Тут модель musicgen-stereo-melody-large дообучили делать из вашего мычания музыку.
Помучил, не удалось заставить его следовать мелодии. Может у вас получится?

Код
Демо
Колаб

#voice2music #audio2music