Google щойно виявив потужну емерджентну можливість у Veo 3 - візуально коментуйте свої інструкції на стартовому кадрі, а Veo просто робить це за вас! Замість того, щоб нескінченно повторювати ідеальну підказку, визначаючи складні просторові відносини словами, ви можете просто намалювати її, як це було б з людиною-художником. Ця можливість вимагає належного UX, але поки що просто замалюйте в обраному вами додатку та використовуйте функцію «кадри на відео» в Google Flow.

Тепер за ціну пристойної робочої станції (5900 доларів) ви також можете мати власного гуманоїдного робота — з можливостями штучного інтелекту, голосу та сприйняття.

Креативне масштабування ftw! Перетворіть висотну аерофотограмметрію на зображення з дронів на низькій висоті. Такий крутий спосіб компонувати потрібні знімки в Google Планета Земля та використовувати FLUX Kontext LoRA, щоб зробити все можливе.

Досить скоро ваш iPhone буде використовувати FaceID, щоб переконатися, що це дійсно ви використовуєте свій пристрій під час прокручування, взаємодії та публікації. Apple має унікальні можливості для того, щоб робити все це на пристрої зі збереженням конфіденційності. Функції «Увага» вже є кроком у цьому напрямку — ваш iPhone робить інфрачервоне фото з низькою роздільною здатністю кожні кілька секунд, щоб перевірити ваш погляд і зрозуміти, чи звертаєте ви увагу на екран. Наступним кроком буде повідомлення додатку, що це насправді ви, або просто що пристроєм користується реальна людина, а не бот.

Іноді у вас бувають моменти на сцені, які ви ніколи не забудете.

Поєднання чіткого керування 3D-програмним забезпеченням із креативністю генеративних моделей штучного інтелекту є перспективним, але недооціненим робочим процесом. Створюйте свої 3D-сцени процедурно, описуючи їх природною мовою, а потім використовуйте їх на весь шлях за допомогою обраних вами зображень і відеомоделей. Такі інструменти, як нематеріальні, побудовані навколо такого робочого процесу, тому вам не потрібно скріплювати програми скотчем. Дуже круто!

SpatialTrackerV2: уніфікована наскрізна 3D-модель відстеження точок, яка одночасно оцінює рух камери, послідовну геометрію та піксельні 3D-траєкторії.

SceneScript розглядає 3D-реконструкцію як проблему мови, а не як геометрію. Модель дивиться відео кімнати і просто вчиться писати для неї сценарій. Він авторегресивно видає текстові команди на кшталт make_wall(...) або make_bbox(...), які визначають сцену. Новий документ Стенфордського університету "Мова сцен" йде ще далі, додаючи вбудовування CLIP для захоплення візуального вигляду. Той факт, що мовні моделі вже розуміють просторові відносини досить добре, щоб виписувати графіки сцен, є досить диким.

Ми можемо просто генерувати міста, використовуючи 3d програмне забезпечення з відкритим вихідним кодом і дешеві плагіни

Google Планета Земля – це буквально машина зворотного зв'язку для всієї планети