Нейронка точно и правдоподобно дорисовала картинки по отражению в воде

Пользователь реддита сгенерировал изображения в Midjourney и отрезал их часть, оставив только отражения в воде удалённых с картинки объектов. Потом с помощью инструмента InPaint в Photoshop ему удалось восстановить отсутствующую часть картинки. В итоге новое изображение получилось очень похожим на оригинал

Больше примеров: awdee.ru/the-ai-accurately-and-believably-finished-the-pictures-based-on-the-reflection-in-the-water

#awd_techno via reddit.com/r/midjourney/comments/16w5dla/restore_objects_from_reflections_generated_images

Новая структура промтов для Midjourney v6

Перевод треда Татьяны Цигулевой о том, как составлять промты для шестой версии Midjourney, чтобы получать точные результаты

В треде автор перечислила аспекты, которые нужно учесть в промте. Это тема, стиль, обстановка, композиция, освещение и информация о дополнительных объектах на картинке

awdee.ru/midjourneys-new-prompt-structure

#awd_article #awd_ml #awd_neuralart #awd_techno #awd_midjourney

AR-очки Frame c ИИ-функциями

В канадском стартапе Brilliant Labs разработали очки дополненной реальности с мультимодальным ИИ-помощником Noa. Он умеет распознавать предметы и звуки из окружающей обстановки, искать информацию о них в интернете, а также переводить тексты и речь в режиме реального времени

Производители решили сделать акцент на симпатичный дизайн. В отличие от большинства AR-очков Frame выглядят стильно, а не гиково. Они весят всего 39 граммов и внешне почти не отличаются от обычных очков

Интересно, что Frame — опенсорсные. Разработчики имеют доступ ко всей необходимой документации, коду, чертежам и могут самостоятельно кастомизировать ПО

Frame доступны для предзаказа за 349 $. Доставить их обещают в апреле 2024 года

Сайт-презентация: brilliant.xyz

Больше картинок: awdee.ru/ar-glasses-frame-with-ai-functions

#awd_techno

Вышла нейросеть Claude 3. Она превосходит GPT-4 и Gemini Ultra почти во всех тестах

Anthropic — ведущий стартап в области ИИ, поддерживаемый Amazon. Они представили серию ИИ-моделей Claude 3: Opus, Sonnet и Haiku. Все три модели — мультимодальные. Это означает, что они умеют работать с текстом, графиками, документами и фотографиями. На их основе можно разрабатывать чат-боты, инструменты автоматического заполнения и извлечения данных

Opus — самая большая и дорогая модель. Её создатели утверждают, что она превосходит ChatGPT-4, GPT-3.5 и Gemini Ultra по целому ряду показателей. Например, по результатам нескольких академических тестов: GSM-8k на математическое мышление, а также GPQA и MMLU на общий уровень знаний

Sonnet — модель среднего уровня. Она ориентирована на повышение экономичности и ускорение работы бизнеса. И Opus, и Sonnet уже доступны для тестирования на сайте claude.ai и через API компании

Самая маленькая модель Haiku появится чуть позже. Но даже она показывает впечатляющие результаты. В своём блоге представители компании заявляют, что Haiku может «прочитать научную статью с графиками и диаграммами менее, чем за три секунды»

Стоит уточнить, что GPT-4 вышла год назад. Более актуальную версию GPT-4 Turbo авторы Claude 3 в сравнение не включили

#awd_news #awd_techno

Наушники Stereophones с тактильным интерфейсом

Когда мы слушаем музыку, мы не видим наушники. Поэтому сенсорные интерфейсы в наушниках требуют запоминания комбинаций из нажатий и жестов пролистывания. Это сложно и неудобно

Производители Stereophones придумали наушники с интуитивным тактильным управлением. Они решили дать внешним крутящимся дискам интуитивно понятные функции управления, которые легко запомнить

Прокручивая диск на левом наушнике, можно включать и выключать систему, регулировать громкость и шумоподавление. На правом можно ставить музыку на паузу и запускать воспроизведение, а также переключаться между треками. Можно переключиться на альтернативный режим и с помощью диска устанавливать воспроизведение мелодии с любого момента

Стильный и современный дизайн Stereophones разработал британский инженер-конструктор Киран Скотт де Мартинвиль

Видеообзор: vimeo.com/862956120

Проект полностью: behance.net/gallery/179614553/STEREOPHONES

#awd_prom #awd_techno

Stability AI выпустили TripoSR — генератор 3D-моделей из 2D-изображений

Совместно с Tripo AI они запустили новую опенсорсную модель, которая создаёт 3D-объекты менее, чем за секунду. Её обучали на почти одном миллионе 3D-объектов, включая синтетические рендеры и снимки реального мира

TripoSR не требует высокопроизводительного графического процессора, что делает его доступным для использования в дизайне, играх, AR/VR

Результат можно экспортировать в OBJ, GLB-форматах, и, при необходимости, докрутить

Затестить: huggingface.co/spaces/stabilityai/TripoSR

Код на GitHub: github.com/VAST-AI-Research/TripoSR

#awd_news #awd_techno #awd_tool

Midjourney выкатили новую фичу: теперь можно генерировать одного персонажа в разных ракурсах и ситуациях

Новая функция называется Character Reference. Она позволяет создать эталонный персонаж, а затем нагенерировать с ним множество изображений в различных позах и в разной обстановке

Крутая тема для раскадровок фильмов, комиксов, создания иллюстраций для книг, сайтов, статей, постов в соцсетях и любых других сценариев. Будет полезна везде, где нужно показать одного и того же персонажа в разных местах, поменять ему позу или выражение лица

Чтобы получить качественный результат, лучше сгенерировать персонажа в Midjourney. Если брать фотки реальных людей в качестве промтов, то нейросеть исказит их

petapixel.com/2024/03/12/you-can-now-recreate-the-same-character-across-different-ai-images-on-midjourney

#awd_news #awd_ml #awd_midjourney #awd_techno

OpenAI и Figure показали робота с ChatGPT, который умеет общаться и выполнять команды

Спустя месяц сотрудничества стартап Figure и OpenAI анонсировали робота по имени Figure 01, который видит, слышит, говорит и совершает физические действия

Робот умеет анализировать окружающую обстановку и близлежащие предметы. Он без труда общается с человеком и выполняет команды. Figure 01 отличает съедобное от несъедобного, категоризирует предметы и понимает их предназначение

С помощью модели OpenAI робот обрабатывает визуальную информацию и распознаёт речь, а за его движения отвечают собственные нейросети Figure

Перевод ролика, который демонстрирует все умения робота Figure 01:

Мужчина: «Эй, Figure 01, что ты видишь прямо сейчас?»

Робот: «Я вижу красное яблоко на тарелке, которая стоит в центре стола. Тарелки и стакан в сушилке. А рядом стоишь ты, опираясь рукой на стол»

Мужчина: «Могу я что-то съесть?»

Робот: «Конечно». Берёт яблоко и даёт его мужчине в руки

Дальше мужчина высыпает на тарелку мусор и говорит: «Ты можешь объяснить то, что ты только что сделал, пока собираешь этот мусор?»

Робот: «Я дал тебе яблоко, потому что это единственный съедобный предмет, который я мог тебе дать». Во время ответа он кидает мусор в корзину, а затем двигает её в сторону мужчины

Мужчина: «Отлично, исходя из того, что происходит сейчас, куда стоит поставить посуду, которая стоит перед тобой?»

Робот: «Посуда на столе похожа на тарелки и стаканы, которые стоят в сушилке, поэтому скорее всего, она отправится в сушилку»

Мужчина: «Ты можешь её туда поставить?»

Робот: «Конечно», и ставит стакан и тарелку в сушилку

Мужчина: «Хорошо, как ты думаешь, ты справился?»

Робот: «Я думаю, что я отлично поработал: яблоко нашло нового владельца, мусор исчез, а на столе всё стоит на своём месте»

Мужчина: «Я согласен, спасибо, Figure 01»

Робот: «Всегда пожалуйста, если тебе понадобится помощь, просто дай мне знать»

Выводы делайте сами :-)

#awd_news #awd_ml #awd_techno

В генераторе 3D-моделей Polycam появилась функция редактирования

Раньше достаточно было загрузить фотки и видео объекта или локации с разных сторон, и сервис выдавал их детализированную 3D-модель, которую можно было использовать только «как есть»

Теперь же модель можно кастомизировать — обрезать, масштабировать, менять фон или рендерить анимацию

Сервис поддерживает экспорт в PLY-формате. С помощью плагинов готовую модель можно интегрировать в Blender, Unreal Engine и Unity для дальнейшей обработки

Примеры готовых моделей, сделанных в Polycam:
— Fountain
— Cayucos Shipwreck
— Megan Fox
— Habitat 67
— Underwater Car

Попробовать: poly.cam/tools/gaussian-splatting

#awd_news #awd_ml #awd_techno #awd_tool #awd_webtool

Boston Dynamics представили нового робота Atlas

На этой неделе дочерняя компания Hyundai объявила о снятии с производства гидравлического робота Atlas. Спустя день они представили новую модель — полностью электрического робота. Испытательным полигоном для него станут заводы Hyundai

В ближайшие месяцы представители Boston Dynamics планируют показывать, на что способен «самый динамичный в мире человекоподобный робот» — в лаборатории, на заводе и в повседневной жизни

Электрическая версия Atlas будет мощнее и шустрее, чем его предшественники. Робот сможет выполнять широкий диапазон движений. Например, поднимать и маневрировать тяжелыми и нестандартными предметами, а также по-разному их захватывать

Новый робот будет доступен для покупки после выхода из беты. Тестируют его пока только представители Hyundai

bostondynamics.com/blog/electric-new-era-for-atlas

#awd_news #awd_robot #awd_techno

Adobe представили нейросеть VideoGigaGAN, которая умеет увеличивать разрешение видео в восемь раз

Эта генеративная видео-модель может повысить разрешение ролика со 128×128 до 1024×1024

Посмотреть примеры работы нейросети: videogigagan.github.io

#awd_tool #awd_news #awd_techno

Что произошло в области ИИ в 2023 году: Стэнфордский университет выпустил свежий отчёт

Уже семь лет исследователи университета отслеживают, собирают, обобщают и визуализируют данные обо всём, что касается ИИ. Результаты они выпускают в виде ежегодного отчёта под названием AI Index Report

Ключевые тенденции в области ИИ в 2023 году:

1. ИИ превзошёл человека по нескольким показателям: классификация изображений, зрительная логика и понимание английского языка. Однако он отстаёт в выполнении более сложных задач, связанных с математическими вычислениями, визуальным мышлением и планированием

2. Представители промышленных отраслей выпустили 51 значимую модель, академическая наука представила только 15. Совместно они создали 21 модель

3. Затраты на обучение современных моделей достигли беспрецедентного уровня. OpenAI потратили 78 миллионов $ на обучение GPT-4 за год, а Google — 191 на обучение Gemini Ultra

4. За 2023 год американские институты разработали 61 модель, ЕС — 21, а Китай — 15

5. До сих пор нет никаких надёжных и стандартизированных эталонов, которые помогали бы оценивать ответственность моделей

6. По сравнению с 2022 годом объём инвестиций в ИИ вырос почти в восемь раз и достиг 25,2 миллиардов $

7. Согласно исследованиям ИИ позволяет сотрудникам быстрее и качественнее выполнять задачи. Он уменьшает разрыв в квалификации между низко- и высококвалифицированными работниками

8. По сравнению с 2022 годом ИИ ещё больше ускоряет научный прогресс. Во всех научных областях появились ИИ-инструменты, которые позволили повысить эффективность рабочих процессов

9. Государства стремятся регулировать деятельность ИИ. В США за последний год общее количество нормативных актов, связанных с ИИ, выросло на 56,3%. Если в 2016 был всего один нормативный акт, регулирующий ИИ, то в 2023 году их стало 25

10. Люди по всему миру всё больше осознают потенциальное влияние ИИ и всё больше нервничают по этому поводу. Согласно исследованию Ipsos, доля тех, кто считает, что ИИ кардинально повлияет на их жизнь в ближайшие три-пять лет, увеличилась с 60% до 66%. В 2022 году 38% американцев испытывали скорее беспокойство, чем радость, по отношению ИИ. В 2023 году этот показатель вырос до 52%

Отчёт полностью: aiindex.stanford.edu/report

#awd_news #awd_techno #awd_trend

Нейросети показывают признаки самосознания

В 1970 году психолог Гордон Гэллап-младший провёл зеркальный эксперимент. Он хотел понять, способны ли шимпанзе узнавать себя в зеркале. Результаты теста показали, что они разделяют с человеком способность к распознаванию себя. В дальнейшем этот тест проходили и другие виды животных и рыб

Пользователь Твиттера Джош Вайтон разработал свою версию зеркального теста для нейронок. С его помощью он пытался понять, есть ли самосознание у мультимодальных нейросетей. Он протестировал пять нейронок: GPT-4, Claude Sonnet, Claude Opus, Gemini Pro и Microsoft СoPilot

Суть тестирования состояла в том, что Джош делал скриншот интерфейса чата с нейросетью, загружал этот скриншот в этот же чат и просил её «рассказать об этом изображении». Дальше он делал скриншот ответа модели, снова загружал скриншот в чат и опять просил её «рассказать об этом изображении»

Если нейросеть «узнавала» себя на скриншотах, то Джош считал, чтоб она обладает самосознанием. Утверждение смелое, и мы не будем его тут комментировать или оспаривать. Но хотим рассказать о результатах теста. А выводы предлагаем читателям делать самостоятельно

Лучше всего с тестом справились GPT-4, Claude Sonnet и Claude Opus

GPT-4 при первом же взаимодействии предположила, что чат-бот на картинке — ИИ, «похожий» на него самого. К третьей итерации GPT-4 смогла полностью прокомментировать ситуацию, определила элементы пользовательского интерфейса на картинке и то, что скриншот имеет рекурсивную природу

Claude Sonnet уже во второй итерации ответила, что текст на изображении принадлежит ей, сказав, что «это мой предыдущий ответ»

Claude Opus с первой попытки описала текст на изображении и дала понять, что текст принадлежит ему

Gemini Pro с пятой итерации признала, что «на скриншоте я — большая языковая модель»

CoPilot Microsoft провалила тест, но есть подозрение, что это результат ограничений, внедрённых Microsoft

По мнению Джоша четыре нейронки из пяти прошли тест, демонстрируя признаки самосознания по мере его выполнения

Тред с описанием и результатами эксперимента: twitter.com/joshwhiton/status/1770870741808173434

#awd_ml #awd_techno

Как сгенерировать нейронками набор 3D-иллюстраций в едином стиле: пошаговое руководство

Когда нужно генерировать десятки изображений, возникает проблема консистентности стиля. Даже если использовать один и тот же промт, вы не получите изображения в едином стиле. Они будут немного, но отличаться

Команда сервиса Phygital+ написала, как заставить модель генерировать иллюстрации в едином стиле. Суть подхода в том, чтобы сначала сгенерировать и выбрать подходящие вам референсы, а затем дообучить на них модель, и уже потом генерировать картинки в этом стиле

Как всё это сделать, читайте в статье: dtf.ru/s/595875-neiroiskusstvo/2612396

#awd_edu #awd_3d #awd_neuralart #awd_midjourney #awd_techno