Нейросети для картинок
Нейросети для картинок создают изображения по текстовому описанию: Midjourney (миджорни), Stable Diffusion, FLUX, DALL-E и Nano Banana превращают промпт в иллюстрацию, фото или арт за секунды. Качество уже спорит с работой дизайнера, а суды разбирают вопросы авторских прав. Здесь — все наши материалы про генерацию изображений: релизы моделей, сравнения, цены и правовые баталии.
Stanford Online выложил лекцию 12 курса AA274A: классическое зрение для роботов
Лекция Марко Павоне из курса Principles of Robotic Autonomy 2019 года разбирает извлечение информации и классическое визуальное распознавание. Учебник открыт…
Почему мультимодальные модели не видят веб-интерфейсы
Мультимодальные модели плохо справляются с интерфейсами: код скрывает реальность, скриншоты требуют анализа миллионов пикселей. Требуется встроенный модуль для…
Nano Banana 2: Персонализированная генерация изображений в приложении Gemini
Нейросеть Nano Banana 2 в приложении Gemini теперь использует ваш личный контекст и базу Google Фото, чтобы создавать уникальные картинки о вашей жизни.
Два простых изменения почти вдвое повысили корреляцию оценки энкодеров для MLLM
Стэнфорд разбирает сетчатку как интерпретируемую нейросеть в курсе EE292R
LayerEditor учит редактор изображений отдавать результат в RGBA-слоях
Design Anything удерживает бриф в больших проектах: +25% на 24 артефактах
Stanford выложил лекцию Павоне по стереозрению: курс AA274A и бесплатный учебник
Stanford Online опубликовал Lecture 10 курса AA274A 2019 года о стереозрении. Читает Марко Павоне из Stanford и NVIDIA, к курсу прилагается бесплатный учебник PoRA.
MTEdit: 500 тысяч траекторий правок учат модели не терять качество за 8 шагов
Исследователи собрали датасет MTEdit на 500 тысяч многошаговых правок изображений и дообучили Qwen-Image-Edit до лучшего результата среди открытых моделей.
MARS переносит текстовый отказ на видео и картинки без данных: тест на 5 MLLM
MambaAct ускоряет робота на π0.5: эксперт в 10 раз меньше, задержка −64,8%
Tadpole предлагает фундаментальную модель для физики: от прогноза к пониманию
Artificial Analysis запустил AA-Robotics и проверил GPT, Claude и Gemini как мозг робота
Modal привлекла $750M при оценке $15,75 млрд и вышла на $1 млрд run rate
Инфраструктурный стартап для ИИ-нагрузок за пять месяцев утроил использование, превысил $1 млрд annualized run rate и закрыл Series D на $750 млн под руководством…
WinARDet лечит зацикливание MLLM-детекторов: F1 вырос с 32,16 до 39,36
Метод сжатия окон WinAR не даёт мультимодальным моделям бесконечно повторять один бокс: на плотном RSDense F1 вырос до 39,36, а доля дублей упала с 35,48% до 13,00%.