PEARL

Модель для понимания персонализированных видеопотоков.

Распознает определённые понятия в видео, отмечает, когда они появляются, отвечает на вопросы о видео в режиме реального времени

Прикручено к Qwen3-VL-8B-Instruct / Qwen3-VL-Embedding-2B / llava-onevision-qwen2-7b-ov-hf

Гитхаб

#VLM #realtime #video2text

ИИ который мы заслужили

#humor

TurboQuant

Кстати Google придумал новый метод квантования моделей

Не просто округлить числа погрубее, а сделать это так, чтобы модель почти не замечала потери точности. В результате

Длинный контекст становится дешевле
Инференс на том же железе ускоряется
Векторный поиск по огромным базам становится быстрее

#news #research

Dynamic VRAM in ComfyUI

В #ComfyUI завезли новую систему оптимизации памяти, которая позволяет эффективно запускать крупные модели на устройствах с небольшим объёмом оперативной памяти #lowvram

Оптимизация памяти работает автоматически

PAM (Pose–Appearance–Motion Engine)

Реконструкция и генерация видео с взаимодействием рук и объектов (HOI). Объединяет в себе генерацию поз, внешнего вида и движения в одном фреймворке

Разрешение 480×720

Гитхаб
HF

#hands #HOI

Рок-группа интроверта

Я не знаю кто автор

#robot

Kimodo

Диффузная модель для генерации качественных 3D-движений людей и роботов по тексту от NVIDIA

Помимо текста управляется с помощью разных констрейнов: ключевых кадров, позиций и вращений концевых эффекторов (например, рук и ног), 2D-путей и точек

Для локального запуска нужно около 17ГБ VRAM

Гитхаб
HF
Демо

#humananimation #text2animation #3d

- Мы изобрели робота который отвечает на вопросы. Но для этого он съедает 10 маленьких жирафят в день
- Но он хотя бы дает правильны ответы?
- Божечки, конечно же нет, нет, нет

#humor

EVA: Efficient Reinforcement Learning for End-to-End Video Agent

Пониматор видео, который умеет «думать» перед тем, как «смотреть». В отличие от других систем, которые просто распознают контент, EVA сама решает, что и когда смотреть, как это делать

Гитхаб
HF

#VLA #reasoning

Vibe Coding XR

Проект Гугл для вайбкодинга интерактивных приложений расширенной реальности (XR). Использует Gemini и XR Blocks, чтобы превращать текстовые подсказки в работающие приложения

Создаёт интерактивные XR-приложения с учётом физики и пространственной логики

Работает с Android XR и позволяет тестировать приложения в симуляторе на настольном Chrome

Гитхаб
Демо

#AR #XR #vibecoding