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.
3D-генерация сцен: DiT работает в 3D-латенте и кодирует сцену в 1K токенов
Исследователи переносят диффузию сцен из 2D-видов в неявное 3D-латентное пространство на базе DINOv2, SigLIP2 и DA3. По заголовку работы, сцена умещается примерно в…
Ropedia W0 обучили на 10 тыс. часов видео людей и 3 тыс. часов роботов
Ropedia W0 — world model для ходьбы и манипуляций сразу у людей и роботов. После дистилляции она в реальном времени строит минутные прогнозы и работает в VR.
FilmFlow: четыре агента строят траектории камеры в 3D по тексту и видео
Агентная система FilmFlow превращает текст или референсное видео в исполняемую траекторию камеры в 3D. На бенчмарке CinemaBench из 750 задач она обошла базовые…
NVIDIA открыла Flora: разметка данных для роботов в 125 раз дешевле GPT-6 Astra
HiP3R собирает 3D-сцены из тысяч кадров видео без дообучения моделей
Восемь агентов VibeGame собирают 2D-игру из промпта и обгоняют аналоги на GameCraft-Bench
ИПО КАН и Kuaishou создали первый бенчмарк симуляции пользователей LLM
S-Agent 2.0 научил кодинг-агента понимать 3D и обошёл SpatialClaw на 7,8 пункта
Готовый кодинг-агент с набором 3D-инструментов поднял Qwen3.8-27B до 66,5 на MMSI-Bench и 82,3 на ReVSI. Gemini-3.8-Flash дошёл до 74,1 и 90,5.
Бенчмарк EvaOmni проверил 24 омни-модели: лидер набрал 79,4%, но заземление — 35,1%
EvaOmni требует от моделей ответ и временные интервалы доказательств. Лидер Gemini3.7-Flash набрал 79,4% точности, но на сложных задачах B.G. упал до 12,3%.
RealMe собирает объёмное видео 2K из минимума камер через диффузию
DONIC научил одну политику управлять двумя руками: 86,79% успеха без дообучения
NUS научил модель искать то, что она описала: gIoU вырос с 57,5% до 68,2%
Пекинский университет ускорил загрузку видео для ИИ в 1,45 раза
Файловый автопилот Claude Cowork: три примера на часы экономии
Claude Cowork превращает часы рутины в минуты. Прямой доступ к локальным файлам, один промпт, Cowork сам составляет план и выполняет задачу. От организации папок до…
Black Forest Labs: штат из 70 человек бросает вызов гигантам Кремниевой долины
Стартап Black Forest Labs, известный успехами в генерации изображений, расширяет горизонты. Следующая цель — интеграция ИИ в физический мир и робототехнику.