Générateurs d'images IA
Les générateurs d'images IA créent des visuels à partir d'un texte : Midjourney, Stable Diffusion, FLUX, DALL-E et Nano Banana transforment une description en illustration, photo ou œuvre d'art en quelques secondes. La qualité rivalise désormais avec le design professionnel, tandis que les tribunaux tranchent le droit d'auteur. Voici toute notre couverture de la génération d'images : sorties de modèles, comparatifs, prix et batailles juridiques.
Génération de scènes 3D : un DiT travaille dans un latent 3D et encode une scène en 1K tokens
Des chercheurs déplacent la diffusion de scènes des vues 2D vers un latent 3D implicite basé sur DINOv2, SigLIP2 et DA3. Selon le titre, une scène tient en environ…
Audit de POPE : le choix des tokens « yes/no » décale le F1 de LLaVA-1.5 de 6,13 points
En voulant reproduire une méthode anti-hallucinations pour VLM, des chercheurs ont repéré un défaut d'évaluation : de mauvais ID de tokens « yes »/« no » décalent…
FilmFlow : quatre agents construisent des trajectoires de caméra 3D à partir d'un texte ou d'une vidéo
FilmFlow transforme un texte ou une vidéo de référence en trajectoire de caméra 3D exécutable. Sur CinemaBench (750 tâches), il devance les méthodes de base et…
HiSTEVE 1.0 joue à Minecraft à la souris et au clavier : 85,0% sur MineStudio Bench
Étude de Shengqiong Wu et Hao Fei : plus de 600 travaux sur les modèles vidéo comme modèles du monde
LeWorldModel testé sur sa sensibilité aux actions : les axes divergent de 36 à 42°
Le benchmark EvaOmni a testé 24 modèles omni : le leader atteint 79,4%, mais seulement 35,1% en grounding
SplatLab rédige seul des articles sur le 3D Gaussian Splatting et dépasse les baselines jusqu'à +3,78 dB
Un système autonome reproduit un article sur le 3DGS, imagine une extension, entraîne les modèles et rédige le manuscrit. Gain de PSNR sur les baselines : de +0,18…
RealMe génère de la vidéo volumétrique 2K avec un minimum de caméras grâce à la diffusion
RealMe transforme des captures éparses en basse résolution en vidéo volumétrique 2K cohérente en 4D, via un modèle de diffusion vidéo et une perte fréquentielle…
La NUS apprend à un modèle à retrouver ce qu'il a décrit : le gIoU passe de 57,5 % à 68,2 %
CausalAlign soigne l'« amnésie » des modèles vidéo : les erreurs de géométrie baissent de 20%
LEGO-SCD détecte les changements dans des scènes 3D à 17,2 FPS, sans annotation manuelle
250 sous-agents contre 4 threads : pourquoi l'architecture d'orchestration compte plus que le nom tape-à-l'œil d'un modèle
Dream Labs, issue de l'équipe NVIDIA DreamZero, lève 90 millions de dollars et ouvre une API pour robots
HyperDrone rend des millions d'images par seconde et devance ses concurrents d'un facteur 20
RoboJudge-9B juge les vidéos de robots plus précisément que Gemini : corrélation de 0,719 avec les humains
Black Forest Labs : 70 salariés défient les géants de la Silicon Valley
La start-up Black Forest Labs, connue pour ses résultats en génération d'images, élargit son champ d'action. Sa prochaine cible : intégrer l'IA au monde physique et…
Meta dévoile Muse Spark : un modèle d'IA multimodal doté d'un raisonnement visuel
Meta Superintelligence Labs présente Muse Spark, premier modèle d'une nouvelle famille d'IA. Il prend en charge la chaîne de raisonnement visuelle et le travail…