Vídeo con IA
La generación de video a partir de texto es una de las fronteras que más rápido avanza en la IA: Sora de OpenAI, Veo de Google, Runway, Kling y otros convierten un par de frases en clips cada vez más realistas. Está cambiando la publicidad, el cine y el debate sobre autoría y deepfakes. Aquí está toda nuestra cobertura del video con IA: lanzamientos de modelos, calidad, precios y cambios en la industria.
DynStream, de Pekín, reconstruye una escena 3D dinámica a partir de vídeo sin poses de cámara
Universidad de Pekín, VGI Labs y Universidad de California presentan DynStream: reconstrucción gaussiana feed-forward de escenas en movimiento desde vídeo en…
La Universidad de Zhejiang publica la primera revisión de IA egocéntrica para gafas inteligentes
Un equipo de la Universidad de Zhejiang publicó la primera revisión sobre la inteligencia en primera persona de las gafas inteligentes: del reconocimiento de…
WorldMemBench comprueba si los modelos de mundo recuerdan las habitaciones y los eventos
WorldMemBench evalúa la memoria de los modelos de mundo en dos ejes: si conservan las escenas vistas y si los eventos continúan mientras la cámara mira hacia otro…
WorldOracle pone a prueba los modelos del mundo: el robot falló y el modelo mostró un éxito
UniAVC: síntesis conjunta de audio y video mediante calendarios de ruido asimétricos
HKU EgoWild2Dex enseña a una mano robótica con 538,9 horas de vídeo «sucio» y una hora en el robot real
RoboValue evalúa a los evaluadores de acciones de robots en 35 tareas y encuentra puntos ciegos
Alibaba DAMO lanza RynnUnify: un modelo de 16B que planifica vídeo y controla un robot
RynnUnify, de 16B parámetros, unifica comprensión de escenas, generación de vídeo y control de robots: 51,5% de éxito en 20 tareas de RoboCasa365 y 46,7% en tres…
HOLI-World enseña a un modelo de 4B a entender el mundo a partir de grabaciones en primera persona
Los autores de HOLI-World reunieron un ecosistema de ~100 escenas y ~80 mil pares QA para que HOLIWORLD-VL-4B comprenda mejor el espacio y el tiempo en vídeo…
TTR-Compressor comprime secuencias mediante regresión y recorta un 55,6% los tokens visuales
Volcano Engine abre Seedance 2.5 4K a 20 estudios para proyectos de cine
ACT3D enseña a un VLM a explorar escenas 3D y supera a Gemini 3.6 Flash: 53,2% en seis benchmarks
RVCBench pone a prueba 18 modelos de clonación de voz con ruido, compresión y protección anticlonación
HumanoidPose estima la postura de un humanoide a partir de vídeo y reduce el error de ángulos entre un 18 y un 32 %
Generación de escenas 3D: un DiT trabaja en un latente 3D y codifica la escena en 1K tokens
Ropedia W0 se entrenó con 10 mil horas de vídeo de personas y 3 mil horas de robots
FilmFlow: cuatro agentes construyen trayectorias de cámara en 3D a partir de texto y vídeo
FilmFlow convierte texto o vídeo de referencia en una trayectoria de cámara 3D ejecutable. En CinemaBench (750 tareas) superó a los métodos base y ganó en las…
AgentVQA evaluó 22 VLM en tareas de agentes: la mejor obtuvo solo un 58,5%
AgentVQA, un benchmark offline de 1000 ejemplos en cinco dominios, muestra que el mejor de 22 modelos visión-lenguaje solo acierta el 58,5%; el cuello de botella es…