Googleは、Veo 3の強力な創発機能を発見したばかりです - スタートフレームに指示を視覚的に注釈を付けると、Veoがそれを行います! 完璧なプロンプトを際限なく繰り返し、複雑な空間関係を言葉で定義する代わりに、人間のアーティストのようにそれを描き出すことができます。 この機能は適切なUXを懇願していますが、今のところ、選択したアプリで落書きして、Google Flowで「フレームからビデオへ」を使用するだけです。

今では、まともなワークステーションの価格 (5900 ドル) で、AI 音声と知覚機能を備えた独自のヒューマノイド ロボットを手に入れることができます。

クリエイティブなアップスケーリングftw!高高度の航空写真測量を低高度のドローン画像に変換します。 Google Earthで必要なショットをフレーミングし、FLUX Kontext LoRAを使用して最後まで撮影するとてもクールな方法です。

間もなく、iPhone は FaceID を使用して、スクロール、エンゲージ、投稿中に実際にデバイスを使用していることを確認するようになります。 Apple は、プライバシーを保護する方法でこれらすべてをデバイス上で行う独自の立場にあります。 「注意を意識する」機能はすでにこの方向への一歩であり、iPhone は数秒ごとに低解像度の赤外線写真を撮影し、目の視線をチェックして、画面に注意を払っているかどうかを確認します。 次のステップは、アプリに、それが実際にあなたであること、または単にボットではなく、デバイスを使用している実際の人間であることを知らせることです。

時には、忘れられないステージの瞬間があります。

3Dソフトウェアの明示的な制御と生成AIモデルの創造性を組み合わせることは、有望でありながら過小評価されているワークフローです。 自然言語で記述して3Dシーンを手続き型に構築し、選択した画像モデルとビデオモデルでそれらを完全に進めます。 Intangible のようなツールは、このようなワークフローを中心に構築されているため、アプリを一緒にガムテープで固定する必要はありません。かなりクールです!

SpatialTrackerV2: カメラの動き、一貫性のあるジオメトリ、ピクセル単位の3D軌道を同時に推定する、統一されたエンドツーエンドの3Dポイントトラッキングモデル。

SceneScript は、3D の再構築をジオメトリの問題ではなく、言語の問題として扱います。 モデルは部屋のビデオを見て、その部屋のスクリプトを書くことを学びます。シーンを定義する make_wall(...) や make_bbox(...) などのテキスト コマンドを自己回帰的に吐き出します。 スタンフォード大学の新しい論文「Scene Language」は、さらに一歩進んで、視覚的な外観をキャプチャするためのCLIP埋め込みも追加しています。 言語モデルが既に空間的な関係を十分に理解しており、シーングラフを書き出すことができるという事実は、かなり荒唐無稽です。

オープンソースの3Dソフトウェアと安価なプラグインを使用して都市を生成できます

Google Earthは、文字通り地球全体のウェイバックマシンです