Google только что обнаружил мощную новую возможность в Veo 3 - визуально аннотировать ваши инструкции на стартовом кадре, и Veo просто делает это за вас! Вместо того чтобы бесконечно итеративно работать над идеальным запросом, определяя сложные пространственные отношения словами, вы можете просто нарисовать это так, как вы бы сделали для человека-художника. Эта возможность требует хорошего UX, но пока просто рисуйте в вашем любимом приложении и используйте "кадры в видео" в Google Flow.

Теперь за цену приличной рабочей станции (5900 долларов) вы тоже можете иметь собственного гуманоидного робота — с возможностями AI голоса и восприятия.

Креативное увеличение в действии! Превратите высоколетящие аэрофотограмметрические снимки в низколетящие дроновые изображения. Такой классный способ оформить кадры, которые вы хотите в Google Earth, и использовать FLUX Kontext LoRA, чтобы довести это до конца.

Скоро ваш iPhone будет использовать FaceID, чтобы убедиться, что это действительно вы используете ваше устройство во время прокрутки, взаимодействия и публикации. Apple имеет уникальную возможность сделать это все на устройстве, сохраняя конфиденциальность. Функции "осведомленности о внимании" уже являются шагом в этом направлении — ваш iPhone делает низкокачественное инфракрасное фото каждые несколько секунд, чтобы проверить ваш взгляд и увидеть, обращаете ли вы внимание на экран. Следующий шаг будет заключаться в том, чтобы дать приложению знать, что это действительно вы, или просто что это реальный человек, использующий устройство, а не бот.

Иногда у вас бывают моменты на сцене, которые вы никогда не забудете.

Сочетание явного контроля 3D-программного обеспечения с креативностью генеративных моделей ИИ — это многообещающий, но недооцененный рабочий процесс. Создавайте свои 3D-сцены процедурно, описывая их на естественном языке, а затем доводите их до конца с помощью выбранных вами моделей изображений и видео. Инструменты, такие как intangible, построены вокруг такого рабочего процесса, так что вам не нужно склеивать приложения вместе. Довольно круто!

SpatialTrackerV2: унифицированная, сквозная модель трекинга 3D-точек, которая одновременно оценивает движение камеры, согласованную геометрию и пиксельно-ориентированные 3D-траектории.

SceneScript рассматривает 3D-реконструкцию как языковую задачу, а не геометрическую. Модель смотрит видео комнаты и просто учится писать сценарий для нее. Она автогрессивно выдает текстовые команды, такие как make_wall(...) или make_bbox(...), которые определяют сцену. Новая работа Стэнфорда "Язык Сцены" идет еще дальше, добавляя эмбеддинги CLIP для захвата визуального внешнего вида. Тот факт, что языковые модели уже достаточно хорошо понимают пространственные отношения, чтобы записывать графы сцен, довольно удивителен.

Мы можем просто создавать города, используя программное обеспечение с открытым исходным кодом 3D и дешевые плагины.

Google Earth — это буквально машина времени для всей планеты.