Google tocmai a descoperit o capacitate emergentă puternică în Veo 3 - adnotați-vă vizual instrucțiunile pe cadrul de pornire, iar Veo o face doar pentru dvs.! În loc să iterați la nesfârșit pe promptul perfect, definind relații spațiale complexe în cuvinte, puteți pur și simplu să o desenați așa cum ați face pentru un artist uman. Această capacitate cere o experiență de utilizare adecvată, dar deocamdată mâzgălește în aplicația aleasă și folosește "cadre pentru video" în Google Flow.

Acum, la prețul unei stații de lucru decente (5900 USD), și tu poți avea propriul tău robot umanoid - complet cu capabilități de voce și percepție AI.

Upscaling creativ ftw! Transformați fotogrammetria aeriană la mare altitudine în imagini cu drone la altitudine joasă. Un mod atât de grozav de a încadra fotografiile pe care le doriți în Google Earth și de a utiliza un FLUX Kontext LoRA pentru a le duce până la capăt.

Destul de curând, iPhone-ul tău va folosi FaceID pentru a te asigura că tu folosești dispozitivul în timp ce derulezi, interacționezi și postezi. Apple este poziționat în mod unic pentru a face toate acestea pe dispozitiv, păstrând confidențialitatea. Funcțiile "conștiente de atenție" sunt deja un pas în această direcție - iPhone-ul tău face o fotografie cu infraroșu de joasă rezoluție la fiecare câteva secunde pentru a-ți verifica privirea și a vedea dacă ești atent la ecran. Următorul pas ar fi să anunțe o aplicație că ești de fapt tu sau pur și simplu că este un om real care folosește dispozitivul și nu un bot.

Uneori ai momente pe scenă pe care nu le vei uita niciodată.

Combinarea controlului explicit al software-ului 3D cu creativitatea modelelor generative AI este un flux de lucru promițător, dar subestimat. Construiește-ți scenele 3D procedural, descriindu-le în limbaj natural, apoi duceți-le până la capăt cu modelele de imagine și video alese. Instrumente precum intangibile sunt construite în jurul unui astfel de flux de lucru, astfel încât nu trebuie să lipiți aplicațiile împreună. Destul de tare!

SpatialTrackerV2: model unificat, de urmărire a punctelor 3D end-to-end, care estimează simultan mișcarea camerei, geometria consistentă și traiectoriile 3D în pixeli.

SceneScript tratează reconstrucția 3D ca pe o problemă de limbaj, mai degrabă decât una de geometrie. Modelul se uită la un videoclip al unei camere și învață să scrie un scenariu pentru ea. Scuipă automat comenzi text precum make_wall(...) sau make_bbox(...) care definesc scena. Noua lucrare "Scene Language" de la Stanford face un pas mai departe, adăugând încorporari CLIP pentru a surprinde și aspectul vizual. Faptul că modelele de limbaj înțeleg deja relațiile spațiale suficient de bine pentru a scrie grafice de scenă este destul de sălbatic.

Putem genera orașe folosind software 3D open source și plugin-uri ieftine

Google Earth este literalmente o mașină de returnare pentru întreaga planetă