Google właśnie odkrył potężną nową funkcję w Veo 3 - wizualnie oznaczaj swoje instrukcje na klatce startowej, a Veo po prostu to dla ciebie zrobi! Zamiast bez końca iterować nad idealnym poleceniem, definiując skomplikowane relacje przestrzenne słowami, możesz po prostu narysować to tak, jakbyś to robił dla ludzkiego artysty. Ta funkcja prosi się o odpowiedni UX, ale na razie po prostu szkicuj w swojej ulubionej aplikacji i użyj "klatek do wideo" w Google Flow.

Teraz za cenę przyzwoitej stacji roboczej (5900 $) możesz mieć własnego robota humanoidalnego — w komplecie z możliwościami głosu AI i percepcji.

Kreatywne powiększanie na plus! Przekształć fotogrametrię z wysokiej altitudy w zdjęcia z drona z niskiej altitudy. To naprawdę fajny sposób na uchwycenie ujęć, które chcesz w Google Earth i użycie FLUX Kontext LoRA, aby to wszystko zrealizować.

Wkrótce Twój iPhone będzie używał FaceID, aby upewnić się, że to naprawdę Ty korzystasz z urządzenia podczas przewijania, angażowania się i publikowania. Apple jest w wyjątkowej pozycji, aby zrobić to wszystko na urządzeniu w sposób chroniący prywatność. Funkcje „świadomości uwagi” są już krokiem w tym kierunku — Twój iPhone robi niskorozdzielcze zdjęcie w podczerwieni co kilka sekund, aby sprawdzić, gdzie patrzysz, aby zobaczyć, czy zwracasz uwagę na ekran. Następnym krokiem byłoby poinformowanie aplikacji, że to naprawdę Ty, lub po prostu że to prawdziwy człowiek korzystający z urządzenia, a nie bot.

Czasami masz na scenie chwile, których nigdy nie zapomnisz.

Łączenie wyraźnej kontroli oprogramowania 3D z kreatywnością modeli generatywnej AI to obiecujący, ale niedoceniany proces roboczy. Twórz swoje sceny 3D proceduralnie, opisując je w języku naturalnym, a następnie doprowadź je do końca za pomocą wybranych modeli obrazów i wideo. Narzędzia takie jak intangible są zbudowane wokół takiego procesu roboczego, więc nie musisz łączyć aplikacji na siłę. Całkiem fajne!

SpatialTrackerV2: zintegrowany, kompleksowy model śledzenia punktów 3D, który jednocześnie szacuje ruch kamery, spójną geometrię i trajektorie 3D na poziomie pikseli.

SceneScript traktuje rekonstrukcję 3D jako problem językowy, a nie geometryczny. Model ogląda wideo z pokoju i po prostu uczy się pisać skrypt dla niego. Autoregresywnie generuje polecenia tekstowe, takie jak make_wall(...) lub make_bbox(...), które definiują scenę. Nowy artykuł Stanfordu "Scene Language" idzie o krok dalej, dodając osadzenia CLIP, aby uchwycić również wizualny wygląd. Fakt, że modele językowe już wystarczająco dobrze rozumieją relacje przestrzenne, aby zapisać grafy scen, jest dość szalony.

Możemy po prostu generować miasta za pomocą oprogramowania 3D open source i tanich wtyczek.

Google Earth to dosłownie maszyna czasu dla całej planety.