Latent Space

Редактирование движения в готовом видео. Без масок, без рото, без боли 🎬 Google Research выкатили MotionV2V — первый нормальный способ менять траектории объектов в уже снятом видео. Как это работает: тыкаешь точками, куда объект должен двигаться. Всё. Никаких масок, никакого ротоскопинга. Нейросеть сама перерисовывает кадры так, чтобы физика не ломалась. Что умеет: → Менять направление и скорость движения → Сдвигать время появления объектов → Двигать камеру постфактум Другие методы либо ломают ...

Видео-модель, которая не снимает видео 🎬 ByteDance скрестили video diffusion с image generation. Результат — iMontage: модель генерит не одну картинку, а целые сеты с плавными переходами между кадрами. В чём фишка: • Взяли "мозги" от видео-моделей (temporal consistency) и натравили на статичные изображения • Генерит последовательности переменной длины — от 2 до N кадров • Один промпт → связанная серия с единым стилем и контекстом По сути, это mid-point между Midjourney и Runway. Картинки, но с ...

Open-vocabulary диагностика: ИИ, который видит то, чему его не учили 🔬 MIT выкатили MedROV — модель для медицинских снимков с одним безумным свойством: она находит аномалии, которых не было в трейне. Как это работает: Обычный диагност-ИИ видит только те болячки, на которых учился. MedROV работает иначе — zero-shot детекция любых отклонений. Редкая мутация? Нетипичная опухоль? Поймает. Цифры: • 70 fps — инференс в реальном времени прямо во время обследования • +40% к accuracy над предыдущими SOT...

LLM-агенты научились «телепатии» 🧠 MIT и Tsinghua выкатили LatentMAS — фреймворк, где мульти-агентные системы общаются не текстом, а напрямую через latent space. Буквально: один агент кидает свои hidden states другому, минуя генерацию токенов. Что по цифрам: → Скорость выросла в 4x → Потребление токенов упало на 70-83% → Точность на math/code бенчмарках +14.6% Фишка в том, что агенты шарят общую "рабочую память" — нейронную область, куда сливают свои внутренние представления без сериализации в ...

Channel created