Vidéo IA
La génération de vidéo à partir de texte est l'un des fronts les plus dynamiques de l'IA : Sora d'OpenAI, Veo de Google, Runway, Kling et d'autres transforment quelques phrases en clips toujours plus réalistes. Cela bouleverse la publicité, le cinéma et le débat sur le droit d'auteur et les deepfakes. Voici toute notre couverture de la vidéo IA : sorties de modèles, qualité, prix et mutations de l'industrie.
Étude de Shengqiong Wu et Hao Fei : plus de 600 travaux sur les modèles vidéo comme modèles du monde
Une équipe incluant Shuicheng Yan, Ming-Hsuan Yang et Philip Torr unifie compréhension et génération vidéo dans un même cadre et passe en revue plus de 600 travaux…
NVIDIA ouvre Flora : l'annotation de données pour la robotique coûte 125 fois moins cher que GPT-6 Astra
NVIDIA met Flora en open source, un moteur d'annotation pour GR00T. Il annote 200 000 heures de données par jour sur 512 GB300, pour un coût environ 125 fois…
HiP3R assemble des scènes 3D à partir de milliers d'images vidéo sans réentraîner les modèles
Des chercheurs de NTU Singapour proposent un graphe de poses hiérarchique : d'abord les morceaux de vidéo sont alignés en Sim(3), puis chaque image reçoit une…
La NUS apprend à un modèle à retrouver ce qu'il a décrit : le gIoU passe de 57,5 % à 68,2 %
L'université de Pékin accélère le chargement de vidéos pour l'IA d'un facteur 1,45
CausalAlign soigne l'« amnésie » des modèles vidéo : les erreurs de géométrie baissent de 20%
Six équipes de l'UCSB, de Stanford et de J.P. Morgan publient un benchmark de mémoire pour agents
DuoLM accélère de 60 fois les recommandations par LLM : 26 400 évaluations par seconde sur un seul H100
Des chercheurs scindent un LLM de recommandation en encodeur et ranker, avec descriptions en cache : 26 400 candidats évalués par seconde sur un H100, à la qualité…
RoboJudge-9B juge les vidéos de robots plus précisément que Gemini : corrélation de 0,719 avec les humains
La CUHK publie un benchmark de 800 vidéos annotées et un juge 9B pour vidéos de robots : corrélation de 0,719 avec les humains, 0,089 de plus que Gemini-3.7-Flash.
Black Forest Labs : 70 salariés défient les géants de la Silicon Valley
OpenAI dévoile le nouveau ChatGPT Voice, propulsé par le modèle GPT Live, sans aucun détail technique
EgoX fusionne caméra, mains et objets en une seule scène 3D, avec une erreur sur les mains réduite de 65,6 %
Stateful Harness fait passer la précision des modèles du monde de 32% à 92% sur l'état caché
Omni-Woodpecker réduit les hallucinations des LLM omni sans réentraînement : +12,9 sur CMM
Des chercheurs décrivent comment JEPA sélectionne ses caractéristiques : ce sont les liens qui comptent, pas les cavaliers seuls
Quatre acteurs chinois construisent des mondes vidéo interactifs en temps réel
Rétro-ingénierie des sites web coûteux grâce à l'IA : pourquoi la moitié du « 3D complexe » sur le web se bricole en deux soirées
Les sites promotionnels impressionnants, avec éclairages sophistiqués et graphismes volumétriques, exigeaient autrefois un mois et demi de travail d'une agence de…
Fine-tuning de Gemma 4 avec GPU sur Cloud Run : de 89 % à 94 % en classification d'animaux
Décryptage complet du fine-tuning de Gemma 4 sur des données propriétaires dans Google Cloud. Architecture avec prise en charge native de la vidéo et de l'audio…