Нейросети для видео
Нейросети для видео генерируют ролики по тексту и картинке: Sora от OpenAI, Veo от Google, Runway, Kling, Seedance и другие модели создают всё более реалистичное видео из пары предложений. Это меняет рекламу, кино и споры об авторстве и дипфейках. Здесь — все наши материалы про генерацию видео: релизы моделей, качество, цены и индустриальные сдвиги.
RealMe собирает объёмное видео 2K из минимума камер через диффузию
Фреймворк RealMe превращает разреженные съёмки низкого разрешения в 4D-согласованное объёмное видео 2K с помощью видео-диффузионной модели и частотного лосса в…
DONIC научил одну политику управлять двумя руками: 86,79% успеха без дообучения
Исследователи представили DONIC, первый универсальный трекер для двух ловких рук. Один чекпоинт даёт 86,79% успеха на новых траекториях и 57,32% на незнакомых…
NUS научил модель искать то, что она описала: gIoU вырос с 57,5% до 68,2%
Generalized CycleGRPO связывает описание региона и его поиск по тексту в один RL-цикл без эталонных подписей и LLM-судьи. На GroundingSuite gIoU вырос с 57,5% до…
Black Forest Labs: штат из 70 человек бросает вызов гигантам Кремниевой долины
OpenAI показала новый ChatGPT Voice на модели GPT Live без технических деталей
EgoX собирает камеру, руки и объекты в одну 3D-сцену и на 65,6% точнее по рукам
Stateful Harness поднял точность мировых моделей с 32% до 92% на скрытом состоянии
SpatialScout: лучший VLM-агент собрал 3D-карту комнаты лишь на 41,71%
Новый бенчмарк SpatialScout проверяет, умеют ли VLM-агенты сами исследовать сцены и строить карту объектов. Claude Opus 5.5 набрала 41,71%, а IoU выше 0,9 получили…
Omni-Woodpecker снижает галлюцинации омни-LLM без дообучения: +12,9 на CMM
Команда из Нанкинского университета предложила метод OWP: он правит скрытые состояния омни-модели до декодинга и добавляет 12,9 пункта на CMM для Qwen2.5-Omni-7B.
Четыре китайских игрока строят интерактивные видео-миры в реальном времени
Реверс-инжиниринг дорогих сайтов через ИИ: почему половина «сложного 3D» в вебе собирается за два вечера
Дообучение Gemma 4 с GPU на Cloud Run: от 89% до 94% в классификации животных
Stanford Online выложил лекцию 12 курса AA274A: классическое зрение для роботов
Стэнфорд разбирает сетчатку как интерпретируемую нейросеть в курсе EE292R
Стивен Баккус на курсе EE292R показывает, как механистическая интерпретируемость объясняет вычисления в сетчатке: от 100 млн фоторецепторов до 1 млн волокон нерва.
OpenAI показала, как dot инженера разобрал ночной инцидент и запустил Codex
В ролике OpenAI инженер Али в 3 часа ночи поручил своему dot разбор on-call инцидента: тот запустил тред в Codex, а правками Али управлял с телефона через ChatGPT.