LobeHub

Платформа, где можно создавать, настраивать и объединять в команды «агентов» — программные модули, которые помогают в работе и развиваются вместе с пользователем. С её помощью можно решать сложные задачи, используя как отдельных агентов, так и их группы

Держите инвайт для входа на платформу

lobehub

#agent #assistant

SciGenBench: Scientific Image Synthesis: Benchmarking, Methodologies, and Downstream Utility

Генерация научных изображений, которые будут не только выглядеть правдоподобно, но и будут корректны с научной точки зрения.

Примеры сгенерированных картинок
Гитхаб

#text2image

LingBot-Depth: Masked Depth Modeling for Spatial Perception

Превращает неточные и неполные данные с датчиков глубины в точные 3D-измерения. Особенно хорошо работает там, где обычные камеры сбоят — например, на стеклянных или металлических поверхностях

В теории, можно использовать для улучшения карт глубины из других нейросеток

Гитхаб
HF

PS. У этих ребят еще есть LingBot-VLA - базовая визульно-языковая модель для роботов

#rgbd #rgbd2grbd #image2depth #video2depth

Z-Image lora training

Обучение лор доступно на ModelScope бесплатно

#zimage #lora #finetuning

MoRo: The official Pytorch code for MoRo: Masked Modeling for Human Motion Recovery Under Occlusions

Реконструкция движения человека по монокулярному видео, даже если человек частично скрыт из виду. Камера должна быть статичной.

Работает в реальном времени со скоростью 70 кадров в секунду на одном GPU H200

Гитхаб

#humanreconstruction #hpr #videoto3d #video2pose

FLUX.2 klein LoRA - ml-sharp 3D repair

Починка геометрии и восстановление деталей синтетических ракурсов, полученных через Sharp

Было для qie2511, теперь идею подхватили и сделали для klein 9b

Спасибо @Dlvldus

#lora #novelview #flux2

Nori: The World’s First Family AI

"Первый в мире семейный" ИИ

Nori отличается от аналогов тем, что объединяет множество функций в одном месте и позволяет всем членам семьи оставаться на одной волне

Короче вся та же скучная ботва что и у других агентов - покупка билетов, бронирование, разгребание почты, но отнишевались в семейность

Есть веб-версия и мобильные аппки, и даже есть бесплатный тариф

iOS
Android - попробуйте отсканировать QR код на офсайте

#agent #assistant #mobile

Relightable Full-body Gaussian Codec Avatars

Реалистичный аватар на гауссианах, взаимодействующий с освещением

Работа без кода, так, пооблизываться

Но не огорчайтесь, все равно у вас нет светового шара с 512 камерами захвата для создания массива входных данных

#gaussian #humanavatar #humanreconstruction #research

AVMeme Exam

Бенчмарк для мультимодальных мультилингвальных и мультикультурных LLM. Проверяет, насколько хорошо модели понимают контекст, чувства людей и культурное значение медиаконтента.

Раз метрика появилась, значит теперь можно по этой метрике муштровать модели. А значит они и мемы у нас отберут

HF

#meme #benchmark

C-RADIOv4-H

инструмент для извлечения визуальных признаков из изображений. Превращает картинки в числовые описания (эмбеддинги), которые потом можно использовать в других моделях, например, для классификации изображений или сегментации

Обучена на обновлённом наборе моделей: SigLIP2-g, DINOv3-7B, SAM3

Может работать с изображениями размером до 2048x2028 пикселей

Выдает два типа данных: общее описание картинки и более детальные признаки, которые подходят для задач вроде сегментации или интеграции в языковые модели

На картинке сравнение с C-RADIOv3-H

HF

#vlm #image2feature

MOVA: Towards Scalable and Synchronized Video–Audio Generation

Новый китайский видео-аудиогенератор "с идеальным липсинком"
Дружит с лорами, можно тренить

360p и 720p

Гитхаб
HF

спасибо @m_franz

#text2video #image2video #lipsink #av

Grok Imagine in ComfyUI

API ноды Grok Imagine добавили в #ComfyUI

Создание / редактирование картинок и видео, блаблабла

#imageediting #videoediting