O Google acaba de descobrir um poderoso recurso emergente no Veo 3 - anote visualmente suas instruções no quadro inicial, e o Veo faz isso por você! Em vez de iterar infinitamente no prompt perfeito, definindo relações espaciais complexas em palavras, você pode simplesmente desenhá-lo como faria para um artista humano. Esse recurso está implorando por um UX adequado, mas, por enquanto, basta rabiscar no aplicativo de sua escolha e usar "quadros para vídeo" no Google Flow.

Agora, pelo preço de uma estação de trabalho decente (US $ 5900), você também pode ter seu próprio robô humanóide - completo com recursos de voz e percepção de IA.

Upscaling criativo ftw! Transforme a fotogrametria aérea de alta altitude em imagens de drones de baixa altitude. Uma maneira tão legal de enquadrar as fotos que você deseja no Google Earth e usar um FLUX Kontext LoRA para levá-lo até o fim.

Em breve, seu iPhone usará o FaceID para garantir que seja realmente você usando seu dispositivo enquanto rola, interage e posta. A Apple está posicionada de forma única para fazer tudo isso no dispositivo de maneira a preservar a privacidade. Os recursos "conscientes da atenção" já são um passo nessa direção - seu iPhone tira uma foto infravermelha de baixa resolução a cada poucos segundos para verificar seu olhar para ver se você está prestando atenção na tela. O próximo passo seria informar a um aplicativo que é realmente você, ou simplesmente que é um humano real usando o dispositivo, e não um bot.

Às vezes você tem momentos no palco que nunca esquecerá.

Combinar o controle explícito do software 3D com a criatividade dos modelos generativos de IA é um fluxo de trabalho promissor, mas subestimado. Construa suas cenas 3D processualmente, descrevendo-as em linguagem natural e, em seguida, leve-as até o fim com os modelos de imagem e vídeo de sua escolha. Ferramentas como intangível são criadas em torno desse fluxo de trabalho para que você não precise conectar aplicativos com fita adesiva. Muito legal!

SpatialTrackerV2: modelo unificado de rastreamento de pontos 3D de ponta a ponta que estima simultaneamente o movimento da câmera, a geometria consistente e as trajetórias 3D em pixels.

O SceneScript trata a reconstrução 3D como um problema de linguagem e não de geometria. A modelo assiste a um vídeo de uma sala e apenas aprende a escrever um roteiro para ela. Ele cospe automaticamente comandos de texto como make_wall(...) ou make_bbox(...) que definem a cena. O novo artigo "Scene Language" de Stanford vai um passo além, adicionando incorporações CLIP para capturar a aparência visual também. O fato de que os modelos de linguagem já entendem as relações espaciais bem o suficiente para escrever gráficos de cena é bastante selvagem.

Podemos apenas gerar cidades usando software 3D de código aberto e plugins baratos

O Google Earth é literalmente uma máquina de retrocesso para todo o planeta