Закинул видео своего медведя на реконструкцию в HunyuanWorld-Mirror по 24 отобранным кадрам
Гауссова сцена далека от идеала, на меш интереснее смотреть. Надо увеличивать количество ракурсов.
Закину гауссианы и меш в комменты для интересующихся
#videoto3d #video2scene #gaussian #imageto3d #image2scene #video2gaussian #video2normal #video2depth #image2normal #image2depth
Гауссова сцена далека от идеала, на меш интереснее смотреть. Надо увеличивать количество ракурсов.
Закину гауссианы и меш в комменты для интересующихся
#videoto3d #video2scene #gaussian #imageto3d #image2scene #video2gaussian #video2normal #video2depth #image2normal #image2depth
❤4👍1
This media is not supported in your browser
VIEW IN TELEGRAM
Claude Desktop
Десктопный ИИ-ассистент от Anthropic раздали всем, а то ишь, Атлас отбивает аудиторию
#MacOS / #Windows
#desktop #assistant
Десктопный ИИ-ассистент от Anthropic раздали всем, а то ишь, Атлас отбивает аудиторию
#MacOS / #Windows
#desktop #assistant
🥴10👍5👎1
BLIP3o-NEXT: Advanced Multimodal Foundation Model
Мультимодальная модель, развитие BLIP3o
Гибрид авторегресси и диффузии
Генератор / пониматор картинок от Salesforce
Улучшенное соответствие подсказкам и точность рендеринга текста за счет обучения с подкреплением по методу GRPO
Хорошо справляется с задачами, требующими пространственной структуры (например, рендеринг текста или генерация нескольких объектов
Гитхаб
HF - там целый зоопарк от 3B до 8B
#text2image #image2text #multimodal #ar #captioning
Мультимодальная модель, развитие BLIP3o
Гибрид авторегресси и диффузии
Генератор / пониматор картинок от Salesforce
Улучшенное соответствие подсказкам и точность рендеринга текста за счет обучения с подкреплением по методу GRPO
Хорошо справляется с задачами, требующими пространственной структуры (например, рендеринг текста или генерация нескольких объектов
Гитхаб
HF - там целый зоопарк от 3B до 8B
#text2image #image2text #multimodal #ar #captioning
👍6❤1
когда твоя девушка работала через AWS
контекст:
на днях полег облачный сервис AWS прихватив с собой полмира, включая не только крупнейшие сайты, но и умные матрасы . И это на фоне сообщения о том что Amazon якобы заменил 40% DevOps-инженеров AWS искусственным интеллектом за несколько дней до сбоя
#humor
на днях полег облачный сервис AWS прихватив с собой полмира, включая
#humor
😁27🤷♂2👍1
LTX-2
Новая версия видеогенератора от Lightricks
Создает видео со звуком в 4K, 50 фпс, рилтайм (нет)
На вход можно подать что угодно: текст, изображения, видео, аудио, карты глубины и отснятый материал для управляемой генерации
Поддерживает лоры и генерацию по нескольким ключевым кадрам
Попробовать (кроме россиян), можно на офсайте
Уже есть на Fal.ai, также можно чекнуть Replicate, ComfyUI
Тест человекорыбом частично провалился. Где рыба, Лебовски?
И тоже не умеет делать лунную походку.
Может оно и 4К по количеству пикселей но не по качеству. Ну зато быстрый. Ждем опенсорс
Гитхаб - новую модель опубликуют в конце ноября
Спасибо @m_franz
#any2video #text2video #image2video
Новая версия видеогенератора от Lightricks
Создает видео со звуком в 4K, 50 фпс, рилтайм (нет)
На вход можно подать что угодно: текст, изображения, видео, аудио, карты глубины и отснятый материал для управляемой генерации
Поддерживает лоры и генерацию по нескольким ключевым кадрам
Попробовать (кроме россиян), можно на офсайте
Уже есть на Fal.ai, также можно чекнуть Replicate, ComfyUI
Тест человекорыбом частично провалился. Где рыба, Лебовски?
И тоже не умеет делать лунную походку.
Может оно и 4К по количеству пикселей но не по качеству. Ну зато быстрый. Ждем опенсорс
Гитхаб - новую модель опубликуют в конце ноября
Спасибо @m_franz
#any2video #text2video #image2video
🔥8😱2❤1⚡1👍1
Sa2VA-Qwen3-VL-4B
ByteDance выпустил Sa2VA на Qwen3-VL-4B
Модель объединяет SAM2 и LLaVA для глубокого понимания изображений и видео
Гитхаб
#segmentation #vlm #assistant #video2text #vide2mask #captiopning
ByteDance выпустил Sa2VA на Qwen3-VL-4B
Модель объединяет SAM2 и LLaVA для глубокого понимания изображений и видео
Гитхаб
#segmentation #vlm #assistant #video2text #vide2mask #captiopning
huggingface.co
ByteDance/Sa2VA-Qwen3-VL-4B · Hugging Face
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
🔥10👍2🤔1
Media is too big
VIEW IN TELEGRAM
HoloCine: Holistic Generation of Cinematic Multi-Shot Long Video Narratives
Еще один Enlarge yourvideo
Генератор многоплановых монтажных видеонарративов на базе Wan 2.2.
Как и MoGa способен генерировать связные истории, а не только отдельные клипы.
Может воссоздавать знаковые сцены из классических фильмов, демонстрируя понимание кинематографического наследия и стиля
Код
HF - полные веса 2*57 ГБ, sparse - 1*57 ГБ. Обещают версии 14B-full-l (длинее 1 минуты) и 5B для VRAM-бедняков
#text2movie #text2film #movie #text2video #image2video
Еще один Enlarge your
Генератор многоплановых монтажных видеонарративов на базе Wan 2.2.
Как и MoGa способен генерировать связные истории, а не только отдельные клипы.
Может воссоздавать знаковые сцены из классических фильмов, демонстрируя понимание кинематографического наследия и стиля
Код
HF - полные веса 2*57 ГБ, sparse - 1*57 ГБ. Обещают версии 14B-full-l (длинее 1 минуты) и 5B для VRAM-бедняков
#text2movie #text2film #movie #text2video #image2video
❤8👍2🤔1
This media is not supported in your browser
VIEW IN TELEGRAM
SpatialGen: Layout-guided 3D Indoor Scene Generation
Cоздает фотореалистичные 3D-сцены интерьеров на основе 3D семантического макета и подсказки в виде текста или изображения
Под капотом FLUX.1-Wireframe-dev-lora и SpatialGen-1.0, который является производным от SD2.1
Код
HF
#segmentation2scene #segmentationto3d #layoutto3d #layout2scene
Cоздает фотореалистичные 3D-сцены интерьеров на основе 3D семантического макета и подсказки в виде текста или изображения
Под капотом FLUX.1-Wireframe-dev-lora и SpatialGen-1.0, который является производным от SD2.1
Код
HF
#segmentation2scene #segmentationto3d #layoutto3d #layout2scene
❤4👍2
Open-o3 Video: Grounded Video Reasoning with Explicit Spatio-Temporal Evidence
Пониматор видео на базе Qwen2.5-VL
Интегрирует в процесс рассуждений ключевые временные метки и ограничивающие рамки, что позволяет делать выводы более обоснованными и надёжными.
Гитхаб
HF
#vlm #video2text #reasoning #captioning
Пониматор видео на базе Qwen2.5-VL
Интегрирует в процесс рассуждений ключевые временные метки и ограничивающие рамки, что позволяет делать выводы более обоснованными и надёжными.
Гитхаб
HF
#vlm #video2text #reasoning #captioning
❤5👍2