Жемал Хамидун
Редакция Hamidun News под руководством главного редактора Жемала Хамидуна (CPO AlpinaGPT). Ежедневный мониторинг 50+ мировых AI-лабораторий, венчурных фондов и индустриальных отчётов на 6 языках.

Команда Цинхуа сводит генерацию к одному шагу: от картинок к потоковому видео
Исследователи Цинхуа развивают «обучение на распределении сэмплов»: подход должен дать генерацию за один-несколько шагов, от изображений до видео в реальном времени.

模思智能 привлекла свыше 1 млрд юаней на Pre-A для омнимодальной модели реального времени
Шанхайский стартап 模思智能 закрыл Pre-A на сумму свыше 1 млрд юаней, около 140 млн долларов. Деньги пойдут на базовую модель для омнимодального общения в реальном…

Новый бенчмарк проверяет, подчиняются ли картинки ИИ законам физики
Картинка получает высокие баллы за эстетику и соответствие промпту, но руки искажены, а предметы проходят друг сквозь друга. Новый тест замеряет «согласованность с…

SAM 2.1 дообучили на фасадах и интерьерах: mIoU вырос с 49,9% до 69,6%

SAIL удерживает объект в кадре по звуку и тексту и обходит конкурентов на двух бенчмарках

Носимая стереокамера оценила объём еды с ошибкой 9,1% без эталонного предмета

Исследователи сверили внимание CNN, ViT и Mamba со взглядом человека

Тест Струпа показал: VLM читают текст на картинке охотнее, чем видят цвет
Исследователи прогнали контрастные и генеративные VLM через классический тест Струпа: при конфликте текста и цвета модели чаще отвечают по надписи.

ForcingBooster вдвое сокращает шаги денойзинга в авторегрессионном видео
ForcingBooster распределяет шаги денойзинга по патчам: простые области останавливаются раньше. Итог: примерно на 50% меньше шагов при качестве уровня четырёхшаговой…

Видео-языковые модели путают манёвры авто: LoRA и пробы чинят ошибку

MIRAGE привязывает 3D-реконструкцию по видео к LiDAR и обходит COLMAP на трёх датасетах

OMNI: один компактный энкодер собрал знания 10 моделей для патологии

TerraAgent проверяет, смотрит ли ИИ на снимок: галлюцинации упали с 17,1% до 9,8%

Генетический оптимизатор ускорил выбор мест для датчиков аэрозолей в Британии на 60%
Исследователи встроили нейронный процесс в DeepSensor и сократили время расчёта размещения станций мониторинга аэрозолей в Британии с 25 до 10 минут.

Kronecker Product Attention сжимает KV-кэш до 10 раз и догоняет MLA по качеству
Препринт на arXiv предлагает KPA: ключи и значения хранятся как суммы кронекеровых произведений. Сжатие KV-кэша до 10x, качество на уровне MHA, GQA, MQA, MLA и TPA.









