Нейросети для картинок
Нейросети для картинок создают изображения по текстовому описанию: Midjourney (миджорни), Stable Diffusion, FLUX, DALL-E и Nano Banana превращают промпт в иллюстрацию, фото или арт за секунды. Качество уже спорит с работой дизайнера, а суды разбирают вопросы авторских прав. Здесь — все наши материалы про генерацию изображений: релизы моделей, сравнения, цены и правовые баталии.
MIRAGE привязывает 3D-реконструкцию по видео к LiDAR и обходит COLMAP на трёх датасетах
MIRAGE соединяет feed-forward 3D-реконструкцию по видео с данными LiDAR и IMU: метрический масштаб, меньше дрейфа и Gaussian-сцены. Проверка на трёх датасетах.
TerraAgent проверяет, смотрит ли ИИ на снимок: галлюцинации упали с 17,1% до 9,8%
Мультиагентная надстройка для спутниковых VQA вдвое сократила ответы «из головы»: с 46,2% до 21,7%. Дообучение не нужно, цена — 2,6 прохода базовой модели.
AVA без обучения повышает точность мультимодального ICL на 1,7 пункта
Авторы препринта предложили AVA: трёхступенчатый конвейер, который чистит примеры в промпте замороженных VLM. Среднее улучшение — +1,7 пункта на пяти бенчмарках…
Zebra3D ускоряет 3D-реконструкцию до 7,1× на 1024 кадрах без обучения с нуля
MisVisAgentBench: обманчивые графики роняют успех веб-агентов на 34 п.п.
Линейная голова на Qwen3-VL обошла GPT-4o в оценке ответов без разметки
Runpod показал, как запускать диффузионные модели на JAX в GPU-подах
DeepSeek-OCR сжимает текстовый контекст в 10 раз при точности 97%
DeepSeek предложила хранить длинный текст как изображение: при 10-кратном сжатии модель восстанавливает 97% содержимого, при 20-кратном точность падает до 60%.
BBC: ИИ обесценивает картинки и поднимает цену на работы людей
Чем дешевле генерация изображений, тем дороже ценится авторство. BBC описывает «человеческую наценку» на искусство, а Hacker News собрал под материалом 78…
Image Mixer склеивает несколько картинок в один вход для img2img в Stable Diffusion
Runpod показал, как собрать свой шаблон Vlad Diffusion для запуска на облачных GPU
Runpod показал, как поднять собственный API на Serverless за четыре шага
RunPod показал, как развернуть Stable Diffusion A1111 как serverless-API
ROMA учит роботов трогать, трясти и сжимать предметы, чтобы их понять
Исследователи представили ROMA: робот сам определяет, когда ему не хватает данных об объекте, и добирает их руками — так же, как человек взвешивает и трясёт коробку.
Google DeepMind и Biohub объяснили, почему AlphaFold не закрыл задачу сворачивания белков
Pushmeet Kohli из DeepMind и Sal Candido из Biohub разбирают, что осталось за рамками AlphaFold после Нобелевской премии и 200+ млн предсказанных структур.