Google ha appena scoperto una potente capacità emergente in Veo 3 - annota visivamente le tue istruzioni sul fotogramma iniziale, e Veo lo fa per te! Invece di iterare all'infinito per trovare il prompt perfetto, definendo complesse relazioni spaziali a parole, puoi semplicemente disegnarlo come faresti per un artista umano. Questa capacità chiede a gran voce un UX adeguato, ma per ora puoi semplicemente scarabocchiare nella tua app preferita e utilizzare "fotogrammi in video" in Google Flow.

Ora, per il prezzo di una workstation decente (5.900 $), anche tu puoi avere il tuo robot umanoide — completo di capacità vocali e di percezione AI.

Upscaling creativo per la vittoria! Trasforma la fotogrammetria aerea ad alta quota in immagini di droni a bassa quota. Un modo così interessante per inquadrare le riprese che desideri in Google Earth e utilizzare un FLUX Kontext LoRA per portare tutto al massimo.

Presto il tuo iPhone utilizzerà FaceID per assicurarsi che sia davvero tu a usare il dispositivo mentre scorri, interagisci e pubblichi. Apple è in una posizione unica per fare tutto questo sul dispositivo in modo da preservare la privacy. Le funzionalità "attenzione consapevole" sono già un passo in questa direzione: il tuo iPhone scatta una foto infrarossa a bassa risoluzione ogni pochi secondi per controllare il tuo sguardo e vedere se stai prestando attenzione allo schermo. Il passo successivo sarebbe far sapere a un'app che sei davvero tu, o semplicemente che è un essere umano reale a utilizzare il dispositivo, e non un bot.

A volte hai momenti sul palco che non dimenticherai mai.

Combinare il controllo esplicito del software 3D con la creatività dei modelli di intelligenza artificiale generativa è un flusso di lavoro promettente ma sottovalutato. Costruisci le tue scene 3D in modo procedurale descrivendole in linguaggio naturale, poi portale fino in fondo con i tuoi modelli di immagini e video preferiti. Strumenti come intangible sono costruiti attorno a un flusso di lavoro del genere, così non devi unire app con il nastro adesivo. Davvero interessante!

SpatialTrackerV2: modello di tracciamento 3D unificato e end-to-end che stima simultaneamente il movimento della fotocamera, la geometria consistente e le traiettorie 3D pixel-wise.

SceneScript tratta la ricostruzione 3D come un problema di linguaggio piuttosto che di geometria. Il modello osserva un video di una stanza e impara semplicemente a scrivere un copione per essa. Genera autoregressivamente comandi testuali come make_wall(...) o make_bbox(...) che definiscono la scena. Il nuovo documento "Scene Language" di Stanford fa un passo ulteriore aggiungendo le embedding CLIP per catturare anche l'aspetto visivo. Il fatto che i modelli di linguaggio comprendano già le relazioni spaziali abbastanza bene da scrivere grafi di scena è piuttosto sorprendente.

Possiamo semplicemente generare città utilizzando software 3D open source e plugin economici.

Google Earth è letteralmente una macchina del tempo per l'intero pianeta.