SpatialGen: Layout-guided 3D Indoor Scene Generation

По семантическому 3D-макету SpatialGen создает фотореалистичную 3D-сцену в помещении на основе текстовой или графической подсказки. Под капотом Flux с контролнетомй и гауссианы

Код

#gaussian #textto3d #text2scene #mask2scene

Test3R: Learning to Reconstruct 3D at Test Time

Реконструкция 3D сцен и предсказание глубины по нескольким ракурсам. Сравнивают себя с DUSt3R

Test Time - модель «учится» и настраивается на лету, в режиме обработки данных, а не только во время предварительного обучения. В прошлом году была статья по Test Time Training и такой подход использовала NVIDIA в video-dit. Когда-то давно, до хайпа нейросетей я думал что все нейросетки так работают. Неа

Код

#scenereconstruction #novelview #imageto3d #image2scene #video2scene #videoto3d #ttt

Qwen-Image-Edit-2509

Новая версия Qwen-Image-Edit

— поддерживает редактирование нескольких изображений одновременно, комбинируя их в различных сочетаниях, например, «человек + человек», «человек + продукт», «человек + сцена»

— улучшает согласованность при редактировании одиночных изображений: лучше сохраняет идентичность лица при изменении позы или стиля портрета, сохраняет идентичность продукта при редактировании постеров, позволяет редактировать текст, изменяя его шрифт, цвет и материал

— нативно поддерживает ControlNet, включая работу с картами глубины, контурными картами, картами ключевых точек и другими

— хорошо справляется с созданием мемов, восстановлением старых фотографий, генерацией постеров продуктов и простых логотипов, а также с редактированием текста в сочетании с изображением

В сентябре этого года мы рады представить Qwen-Image-Edit-2509, ежемесячную версию Qwen-Image-Edit

Похоже, будут каждый месяц обновлять. Какие же фичи можно еще добавить?

Спасибо @kuvshin8 @aledarx Gos

HF
GGUF
FP8
Qwen Chat

#imageediting #referencing #personalization #controlnet #colorize #QIE #imagerestoration

Qwen3-TTS-Flash: Multi-timbre & Multi-lingual & Multi-dialect Speech Synthesis

Флагманская говорилка текстов

— может генерировать естественную и выразительную речь

— поддерживает множество языков (китайский, английский, японский, корейский, немецкий, итальянский, португальский, испанский, французский, русский). Особенно стабилен на китайском и английском

— создает речь на разных диалектах

— высокие показатели стабильности речи и схожести тембра

— превосходит другие модели (ElevenLabs, SeedTTS, MiniMax, GPT-4o-Audio-Preview) по ряду параметров

— низкая задержка первого пакета и высокая скорость генерации речи

Демо
API

#tts #text2speech #voicecloning

Держите воркфлоу нового #QIE

И еще один, должен работать на 8 ГБ VRAM

Воркфлоу колоризации на FP8 в нашем чате

#workflow

В гитхабе появился способ запуска RadFoam на windows

#raytracing #realtime

VEED Fabric 1.0

Оживлятор персонажей с фокусом на длинные говорящие видео - 1 минута, 720p

Первая в мире говорящая ИИ-видеомодель

Надо же иметь смелость делать такие заявления через несколько месяцев после релиза VEO 3

Можно попробовать бесплатно, пара видосов в день

#characteranimation #image2video #personalization