Pangea: A Fully Open Multilingual Multimodal LLM for 39 Languages

Мультимодальная #LLM на 39 языков, русский в их числе. 7B параметров. "Полный" опенсорс

Код
Демо

#Multimodal #Mllm

LongVU: Spatiotemporal Adaptive Compression for Long Video-Language Understanding

А вот вам свежий метод экномии видеотокенов для видеопониматоров от запрещенной Meta.
Под капотом DINOv2 и еще чего-то там.

Прикручено к Qwen и Llama3.2 от 1B до 7B

Код
Демо

#MLLM #VLM

LargeSpatialModel: End-to-end Unposed Images to Semantic 3D

Реконструкция сцены на гауссианах по двум входным изображениям. По одному уже было

LSM использует в качестве входных данных два некалиброванных изображения и в реальном времени восстанавливает световое поле, включая геометрию, внешний вид и семантику

Код будет в ноябре есть
Демо

#gaussian #image2scene #imageto3d #image2gaussian #realtime

Google готовит к релизу Jarvis

Заказать билеты на самолёт, отменить подписку или сделать какую-то мелкую монотонную работу скоро за вас сможет ИИ агент на основе Gemini. В отличие от Anthropic, которые научили Claude использовать весь компьютер, Jarvis будет ограничен браузером и как-то интегрирован с Chrome. С одной стороны это меньшая гибкость, с другой - таким образом надёжность агента будет заметно выше, что очень важно для релиза на сотни миллионов человек.

Показать могут уже вместе с Gemini 2.0, в декабре. А вот попользоваться, скорее всего, сначала дадут лишь маленькой группе пользователей.

Rabbit нужно было всего лишь подождать годик с релизом

@ai_newz

Только что поболтал с представителем LipDub ai
Мне показали интерфейс, несколько кейсов, вкратце рассказали как работает.

Жду доступ чтобы поиграть
Stay tuned

Suno на iOS теперь доступен избранным пользователям со всего мира, то есть за пределами американского AppStore.

Это значит что скоро выдадут и простым смертным. Всем или не всем - неизвестно

#news #mobile #text2music

котобусов не смог

FasterCache: Training-Free Video Diffusion Model Acceleration with High Quality

Новый метод ускорения видеодиффузии от команды Vchitect

Поддерживает Open-Sora 1.2, Open-Sora-Plan 1.1, Latte, CogvideoX-2B и Vchitect 2.0

Ждем быстрых генераций на ведущих генерилках

Код

#text2video #optimization