O Google acaba de descobrir uma poderosa capacidade emergente no Veo 3 - anotar visualmente as suas instruções no quadro inicial, e o Veo faz isso por si! Em vez de iterar sem fim na prompt perfeita, definindo relações espaciais complexas em palavras, pode simplesmente desenhar como faria para um artista humano. Esta capacidade está a pedir uma experiência de utilizador adequada, mas por agora, apenas faça rabiscos na sua aplicação de escolha e use "frames to video" no Google Flow.

Agora, por um preço de uma estação de trabalho decente (5.900 dólares), você também pode ter seu próprio robô humanoide — completo com capacidades de voz e percepção de IA.

Aumentar a criatividade é o caminho! Transforme fotogrametria aérea de alta altitude em imagens de drone de baixa altitude. Uma maneira tão fixe de enquadrar as imagens que deseja no Google Earth e usar um FLUX Kontext LoRA para levar tudo até ao fim.

Em breve, o seu iPhone estará a usar o FaceID para garantir que é realmente você a usar o seu dispositivo enquanto navega, interage e publica. A Apple está singularmente posicionada para fazer tudo isso no dispositivo de uma maneira que preserva a privacidade. As funcionalidades "atentas" já são um passo nessa direção — o seu iPhone tira uma foto infravermelha de baixa resolução a cada poucos segundos para verificar o seu olhar e ver se você está a prestar atenção à tela. O próximo passo seria permitir que um aplicativo soubesse que é realmente você, ou simplesmente que é um ser humano real a usar o dispositivo, e não um bot.

Às vezes, você tem momentos no palco que nunca esquecerá.

Combinar o controlo explícito do software 3D com a criatividade dos modelos de IA generativa é um fluxo de trabalho promissor, mas subestimado. Construa as suas cenas 3D de forma procedural, descrevendo-as em linguagem natural, e depois leve-as até ao fim com os seus modelos de imagem e vídeo de escolha. Ferramentas como a intangible são construídas em torno de tal fluxo de trabalho, para que não precise de colar aplicações juntas. Muito fixe!

SpatialTrackerV2: modelo de rastreamento de pontos 3D unificado e de ponta a ponta que estima simultaneamente o Movimento da Câmera, Geometria Consistente e Trajetórias 3D por Pixel.

O SceneScript trata a reconstrução 3D como um problema de linguagem em vez de um problema de geometria. O modelo assiste a um vídeo de uma sala e aprende a escrever um script para isso. Ele gera 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 embeddings CLIP para capturar também a aparência visual. O fato de que os modelos de linguagem já entendem relações espaciais suficientemente bem para escrever gráficos de cena é bastante impressionante.

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

o Google Earth é literalmente uma máquina do tempo para todo o planeta