Искусственный интеллект. Высокие технологии

✔️ VideoScene (CVPR'25) — это проект, представляющий собой значительное усовершенствование предыдущей разработки под названием ReconX.

Это модель диффузии видео, которая работает в один шаг и позволяет преобразовывать видео в 3D.

Основное преимущество VideoScene заключается в том, что она превосходит по скорости традиционные многоэтапные процессы, делая переход от видео к трехмерным моделям более эффективным.

▪️Paper: https://arxiv.org/abs/2504.01956
▪️Project Page: https://hanyang-21.github.io/VideoScene
▪️Code: https://github.com/hanyang-21/VideoScene

@vistehno

🤖 Используем BERT для решения NLP задач 

🗓 07 апреля в 18:00 МСК
🆓 Бесплатно. Урок в рамках старта курса «NLP / Natural Language Processing».

Вебинар посвящен такой классической трансформерной модели BERT, которая в свое время совершила революцию в мире Natural Language Processing. На вебинаре вы узнаете, что представлет из себя модель BERT. И как с ее помощью можно легко и эффективно решать разнообразные NLP задачи.

Данный вебинар будет особенно интересен:
- Практикующим Data Scientist и ИТ-специалистам, которые хотят глубже погрузиться в область NLP
- Тем, кто хочет узнать, что делает ChatGPT такой умной
- Людям, освоившими основы машинного обучения, но желающими развиваться в области DS

В результате урока вы:
- Узнаете, устройство модели BERT
- Научитесь дообучать предобученные трансформерные модели
- Научитесь дообучать BERT и работать с ним на практике.

🔗 Ссылка на регистрацию:  https://otus.pw/I62M/?erid=2W5zFGdASGG

#реклама
О рекламодателе

🤖 Используем BERT для решения NLP задач 

🗓 07 апреля в 18:00 МСК
🆓 Бесплатно. Урок в рамках старта курса «NLP / Natural Language Processing».

Вебинар посвящен такой классической трансформерной модели BERT, которая в свое время совершила революцию в мире Natural Language Processing. На вебинаре вы узнаете, что представлет из себя модель BERT. И как с ее помощью можно легко и эффективно решать разнообразные NLP задачи.

Данный вебинар будет особенно интересен:
- Практикующим Data Scientist и ИТ-специалистам, которые хотят глубже погрузиться в область NLP
- Тем, кто хочет узнать, что делает ChatGPT такой умной
- Людям, освоившими основы машинного обучения, но желающими развиваться в области DS

В результате урока вы:
- Узнаете, устройство модели BERT
- Научитесь дообучать предобученные трансформерные модели
- Научитесь дообучать BERT и работать с ним на практике.

🔗 Ссылка на регистрацию:  https://otus.pw/I62M/?erid=2W5zFGdASGG

#реклама
О рекламодателе

✔️ Google обновляет ряды руководителей ИИ-проектов.

Google объявила о смене руководства в подразделении потребительских приложений искусственного интеллекта: Josh Woodward сменил Sissie Hsiao на посту главы этого подразделения.

Hsiao, который возглавлял потребительские приложения ИИ, в том числе проект Gemini, покидает свой пост с сегодняшнего дня. Согласно инсайду, Sissie возьмет небольшой перерыв, после чего перейдет на новую должность в компании. Woodward, который ранее возглавлял Google Labs и контролировал запуск NotebookLM, продолжит проекты в Google Labs, одновременно взяв на себя новые обязанности. Это изменение происходит по мере того, как в гонке ИИ основное внимание уделяется не базовым моделям, а продуктам, созданным на их основе.
semafor.com

✔️ Nomic выпустила мультимодальные эмбединги для визуального поиска.

Nomic представила Nomic Embed Multimodal — набор опенсорсных эмбединг-моделей для создания векторных представлений текста, изображений, PDF и графиков. Флагманская модель ColNomic Embed Multimodal 7B показала 62.7 NDCG@5 на бенчмарке Vidore-v2, опережая предыдущие решения на 2.8 пункта.

Модели Nomic обрабатывают текст и изображения совместно, избегая сложных пайплайнов с OCR. Это особенно полезно для научных статей, технической документации или мультиязычных документов, где важен контекст.

Модели доступны в двух вариантах: ColNomic (многокомпонентные векторы) для максимальной точности и Nomic (одновекторные) для экономии ресурсов. Модели доступны на Hugging Face, а разобраться помогут гайды и ноутбуки Google Colab.
nomic.ai

✔️ Китайские ИТ-гиганты заказали чипов Nvidia на 16 млрд. долларов в первом квартале 2025 года.

ByteDance, Alibaba Group и Tencent Holdings разместили заказы на общую сумму более 16 миллиардов долларов на серверные чипы H20 AI от Nvidia в первом квартале 2025 года. Такой резкий рост спроса происходит на фоне опасений, что администрация США может наложить запрет на продажу этих чипов в Китай, ссылаясь на вопросы национальной безопасности.

H20 - самый доступный чип Nvidia для продажи в рамках действующих экспортных ограничений, которые запрещают передачу более мощных моделей китайским компаниям. Значительные заказы из Китая ставят Nvidia в сложное положение, поскольку она лавирует между возможностями для бизнеса и потенциальными геополитическими рисками.
theinformation.com

✔️ Google DeepMind опубликовали 145-страничный документ об ответственном развитии ИИ.

Google DeepMind выпустила подробный документ "Ответственный путь к AGI", в котором излагается технический план безопасного развития искусственного интеллекта общего назначения.

В документе подчеркивается важность устранения потенциальных рисков неправильного использования и несоответствия, связанных с технологией AGI. Несмотря на детальный подход, некоторые аналитики полагают, что документ может не полностью убедить скептиков в надежности и безопасности разработки AGI.
deepmind.google

✔️ Epic Games купит стартап Loci чтобы автоматизировать разметку 3D-контента.

Epic Games объявила о приобретении стартапа Loci, чья ИИ-платформа упрощает работу с 3D-ассетами. Технология автоматически генерирует теги для моделей, экономя время создателей на ручную разметку. Это особенно актуально для проектов с тысячами объектов — например, в Fortnite, где игроки добавляют элементы из популярных франшиз, провоцируя споры об авторских правах.

ИИ Loci не только ускоряет поиск и организацию контента, но и помогает выявлять нарушения интеллектуальной собственности. Loci будет интегрирован в экосистему Epic, в том числе в Unreal Editor для Fortnite и маркетплейс Fab, где продаются цифровые активы. Таким образом, разработчики получат инструменты для предотвращения юридических конфликтов и упрощения рабочих процессов.
epicgames.com

@ai_machinelearning_big_data

#news #ai #ml

«Бегущий по лезвию 2049»: BYD и DJI запустили продажи системы для запуска дронов с крыши автомобилей. Дрон снимает пейзажи, делает эффектные пролёты рядом с машиной и помогает на бездорожье. Взлёт — прямо с крыши.

@vistehno

🎲 OPPO X³ — первый в мире смартфон в форме кубика-кубика!

Вы готовы мыслить нестандартно?

🤖 У робота Unitree появились очень ловкие руки.

Прогресс в робототехнике невероятно стремительный.

Пользователь искал кемпинги на берегу озера в пределах 150 км от Вены и хотел проверить близость к полям для гольфа, где имелись скидочные купоны и забил запрос в manus

ИИ создал веб-сайт со списком вариантов, интерактивной картой и ссылками для бронирования!

@vistehno

Топ-100 нейросетей для любых задач — откопали на Reddit таблицу с самыми свежими инструментами.

Пост

@vistehno

⚡️ 10 open-source генераторов видео достойных вашего внимания (text-to-video и image-to-video)

1) HunyuanVideo (text-to-video)

Флагманская модель от Tencent (~13B параметров), обеспечивает высокое качество качество и реализм.

Категория: подходит для генерации реалистичных видео

▪Ресурсы: 45–80 ГБ VRAM, A100/H100, поддержка FP8

🟡Ссылка

2) Mochi (text-to-video)

Описание: модель от Genmo (~10B параметров), быстрая и мощная

▪Категория: реализм + плавность движения

▪Бенчмарки: качество почти на уровне Hunyuan, 30 FPS

▪Кейсы: реклама, креативы, short-видео

▪Ресурсы: Для работы модели требуется не менее 4 GPU H100., поддержка LoRA, FP8

🟡Ссылка

3) Wan2.1 (text/image-to-video)

▪Описание: универсальный генератор от Alibaba (до 14B параметров)

▪Категория: синтез движений, анимация изображения

▪Бенчмарки: высокая стабильность, особенно в SkyReels.

▪Кейсы: оживление изображений, видеопрототипы

▪Ресурсы: 12–24 ГБ VRAM (1.3B и 14B версии)

🟡Ссылка

4)​LTX-Video-Trainer

Проект, предоставляющий инструменты и скрипты для обучения и дообучения модели LTX-Video от компании Lightricks.

▪Категория: с его помощью можно обучать адаптеры LoRA поверх LTX-Video, а также выполнять полное дообучение модели на ваших датасетах.

▪Ресурсы: не менее 12 ГБ GPU для эффективного обучения и дообучения модели. RaM: Минимум 16 ГБ;

🟡Ссылка


5) Pyramid Flow (text/image-to-video)

▪Описание: модель на базе Flux для генерации длинных видео (до 10 сек, 768p)

▪Категория: длительные сцены, плавные переходы

▪Бенчмарки: превосходство в motion stability

▪ Кейсы: нарративные ролики, контент для соцсетей

▪ Ресурсы: 12–48 ГБ VRAM

🟡Ссылка

6) CogVideo / CogVideoX (text-to-video)

▪Описание: трансформер на 9B/5B параметров от THU

▪Категория: стилизация, универсальность

▪ Бенчмарки: сильные CLIP/FVD, хорошая временная согласованность

▪ Кейсы: мультфильмы, обучающее видео, стилизованные ролики

▪Ресурсы: 20–24 ГБ VRAM, оптимизирован под FP8

🟡Ссылка

7) Step-Video-TI2V

Модель для генерации видео (до 102 кадров), производительностью SOTA.
Принимает на вход текстовые описания и изображения.

▪Бенчмарки: на VBench-I2V показывает лучшие результаты по сравнению с другими современными открытыми моделями для генерации видео из изображения и текста, а также лидирует в публичном рейтинге.

🟡Ссылка

8) AnimateDiff

Ветеран этого списка.

▪Категория: анимация, стилизация

▪Бенчмарки: высокая согласованность между кадрами

▪Кейсы: оживление арта, анимированные сцены

▪Ресурсы: от 8 ГБ VRAM, масштабируется до 24 ГБ для высокого качества

🟡Ссылка

9) Easy Animate (image-to-video)

▪Описание: генерация видео из одного кадра (Alibaba, EasyAnimate V5)

▪Категория: анимация изображения

▪Бенчмарки: стабильная идентичность объекта, плавность

▪Кейсы: оживление фото, персонажей, иллюстраций

▪Ресурсы: минимум 12–24 gb CPU

🟡Ссылка

10) Open-Sora Plan (и связанные проекты)

▪Описание: Это не одна конкретная модель, а скорее инициатива разработчиков (и несколько независимых проектов) по созданию и обучению open-source модели

▪Бенчмарки: Пока находятся в активной разработке. Сильная сторона - открытость и амбициозная цель. Результаты варьируются, но быстро улучшаются.

▪Ресурсы: Требования сильно зависят от конкретной реализации и этапа проекта.

📌 Подробное описание моделей

Добавляйте в комментариях ссылки генераторы, которыми вы пользуетесь 👇

#ai #video #videogenerator #ml