S-Space
Исследование MirroS: у мультимодальных моделей внутри есть «3D-карта». В промежуточных активациях нашли 3D линейное подпространство, где объекты лежат с координатами по горизонтали, вертикали и глубине.
• Кодирует непрерывные позиции объектов (X, Y, расстояние)
• Персистентно между промптами и ракурсами
• Объединяет визуальное и языковое, включая объекты за пределами видимого
• Можно каузально менять, чтобы управлять пространственными оценками
• Прямое чтение подпространства работает точнее нативной рассуждалки модели
• Испробовано на Molmo2-ER, MolmoAct2, Qwen3.5-4B, Qwen3.6-27B
Полезно и для диагностики: показывает, где и как модель проваливается в «принятии перспективы». Подсказывает путь к надежным пространственным рассуждениям и действиям
github.com/mirros-lab/s-space
#research #reasoning
MAX
Исследование MirroS: у мультимодальных моделей внутри есть «3D-карта». В промежуточных активациях нашли 3D линейное подпространство, где объекты лежат с координатами по горизонтали, вертикали и глубине.
• Кодирует непрерывные позиции объектов (X, Y, расстояние)
• Персистентно между промптами и ракурсами
• Объединяет визуальное и языковое, включая объекты за пределами видимого
• Можно каузально менять, чтобы управлять пространственными оценками
• Прямое чтение подпространства работает точнее нативной рассуждалки модели
• Испробовано на Molmo2-ER, MolmoAct2, Qwen3.5-4B, Qwen3.6-27B
Полезно и для диагностики: показывает, где и как модель проваливается в «принятии перспективы». Подсказывает путь к надежным пространственным рассуждениям и действиям
github.com/mirros-lab/s-space
#research #reasoning
MAX
🔥4😁2🤷♂1
This media is not supported in your browser
VIEW IN TELEGRAM
A2 MakeHuman: Image to UV Texture
Текстурирование MakeHuman по картинке в #ComfyUI без промптов
• Qwen3-VL смотрит на референс и описывает каждую часть
• Каждая часть генерится на Flux 2 Klein, с UV-разметкой как гайдом
• Cavity и normal-карты сохраняют детали поверхности
• Части смешиваются с согласованием цвета
Что можно контролировать
• Автоописание Qwen или свои тексты для каждой части, Qwen можно выключить по отдельности или сразу всем
• Доп. промпт и доп. референс на каждую часть
• Включить/выключить проходы, ре-ролл отдельных частей со своими сидами
• Готовая часть сохраняется и загружается обратно для уточнения
• Единый стиль (фото, cartoon, anime) на все четыре части
Подходит и для одежды из дистрибутива MakeHuman. Нужны: Flux 2 Klein 9B, нод Qwen3-VL-4B, rgthree и UV Painter
drive.google.com/file/d/10F_9xbm2sdWDAw_E8orXBltqhNjFX9Ef
#UV #texturing #workflow
Текстурирование MakeHuman по картинке в #ComfyUI без промптов
• Qwen3-VL смотрит на референс и описывает каждую часть
• Каждая часть генерится на Flux 2 Klein, с UV-разметкой как гайдом
• Cavity и normal-карты сохраняют детали поверхности
• Части смешиваются с согласованием цвета
Что можно контролировать
• Автоописание Qwen или свои тексты для каждой части, Qwen можно выключить по отдельности или сразу всем
• Доп. промпт и доп. референс на каждую часть
• Включить/выключить проходы, ре-ролл отдельных частей со своими сидами
• Готовая часть сохраняется и загружается обратно для уточнения
• Единый стиль (фото, cartoon, anime) на все четыре части
Подходит и для одежды из дистрибутива MakeHuman. Нужны: Flux 2 Klein 9B, нод Qwen3-VL-4B, rgthree и UV Painter
drive.google.com/file/d/10F_9xbm2sdWDAw_E8orXBltqhNjFX9Ef
#UV #texturing #workflow
👍5🔥3
This media is not supported in your browser
VIEW IN TELEGRAM
EVOVA
Браузерный редактор сплатов с ИИ
• Создание 3DGS с нуля через диалог
• Загрузка готовых сплатов и ИИ-правка
• Код-агент через #MCP может создавать сплаты, добавлять объекты, анимацию и камеру
• Два варианта: свой Codex/Claude через MCP или встроенный ИИ
• 20 бесплатных EvoCredits новым аккаунтам
У меня бесконечная загрузка страницы. Может вам повезет
#gaussian
MAX
Браузерный редактор сплатов с ИИ
• Создание 3DGS с нуля через диалог
• Загрузка готовых сплатов и ИИ-правка
• Код-агент через #MCP может создавать сплаты, добавлять объекты, анимацию и камеру
• Два варианта: свой Codex/Claude через MCP или встроенный ИИ
• 20 бесплатных EvoCredits новым аккаунтам
У меня бесконечная загрузка страницы. Может вам повезет
#gaussian
MAX
👍6❤3👎1
Occular-OCR — новый OCR-движок для русского языка от независимого разработчика (и нашего подписчика) @Bodhi_b
Альтернатива Tesseract и RapidOCR с упором на распознавание сложных русскоязычных документов. Вместо тяжёлых VLM используется компактный пайплайн из специализированных нейросетей.
• PDF, сканы, фотографии документов: паспорта, справки, договоры, чеки, банковские выписки
• 14 языков, включая русский, английский и 12 языков с кириллицей
• Автоматическое исправление наклона и поворота страниц, опциональное устранение геометрических искажений
• Распознавание таблиц и восстановление порядка чтения в многоколоночных документах
• Структурированный JSON с координатами строк и оценкой уверенности распознавания
• Архитектура: DBNet + SVTR/CTC + Beam Search с русской 4-граммной языковой моделью
• ONNX Runtime, полностью локальный инференс на CPU или GPU (CUDA)
• Windows, Linux, macOS — установка через pip без компиляции и системных зависимостей CUDA
• Код Apache 2.0, веса бесплатно для частного использования, исследований и небольших организ
https://github.com/Bodhi42/Occular-ocr
https://pypi.org/project/occular-ocr/
#ocr
Альтернатива Tesseract и RapidOCR с упором на распознавание сложных русскоязычных документов. Вместо тяжёлых VLM используется компактный пайплайн из специализированных нейросетей.
• PDF, сканы, фотографии документов: паспорта, справки, договоры, чеки, банковские выписки
• 14 языков, включая русский, английский и 12 языков с кириллицей
• Автоматическое исправление наклона и поворота страниц, опциональное устранение геометрических искажений
• Распознавание таблиц и восстановление порядка чтения в многоколоночных документах
• Структурированный JSON с координатами строк и оценкой уверенности распознавания
• Архитектура: DBNet + SVTR/CTC + Beam Search с русской 4-граммной языковой моделью
• ONNX Runtime, полностью локальный инференс на CPU или GPU (CUDA)
• Windows, Linux, macOS — установка через pip без компиляции и системных зависимостей CUDA
• Код Apache 2.0, веса бесплатно для частного использования, исследований и небольших организ
https://github.com/Bodhi42/Occular-ocr
https://pypi.org/project/occular-ocr/
#ocr
🔥23👍8
#TTS #russian
github.com/kost-t-human/ruvoice-tts - RUVoice TTS: #Android-синтезатор на движке Silero, русская озвучка
github.com/kost-t-human/ruvoice-voicekit - дообучение штатных голосов Silero под свой тембр (VoiceKit) #voicecloning
github.com/UnaMentis/pocket-tts-ios - Pocket-TTS под #iOS
apps.apple.com/us/app/tobe-said/id6801981584
apps.apple.com/us/app/tobe-said-pro/id6803422049
Pocket-TTS уже в App Store: бесплатно и Pro (русский заявлен, свою модель загружать вряд ли можно)
github.com/The-unknown-Shadowman/PocketTTS-Android-Engine - Android, загружать свои модели проще
Русские модели
huggingface.co/ArtShtorm/Shtorm_PocketTTS_RU
huggingface.co/ArtShtorm/Shtorm-VoxCPM2-RU
Бенчмарк и #ASR
ncspeech.org/blog/asr-benchmark-oct-2026 - бенчмарк #ASR за октябрь: четыре системы на 15 наборах, 85 часов — русский, казахский, смешанные звонки
github.com/TheStageAI/TheWhisper - TheWhisper: новое дообучение Whisper для ASR
github.com/kost-t-human/ruvoice-tts - RUVoice TTS: #Android-синтезатор на движке Silero, русская озвучка
github.com/kost-t-human/ruvoice-voicekit - дообучение штатных голосов Silero под свой тембр (VoiceKit) #voicecloning
github.com/UnaMentis/pocket-tts-ios - Pocket-TTS под #iOS
apps.apple.com/us/app/tobe-said/id6801981584
apps.apple.com/us/app/tobe-said-pro/id6803422049
Pocket-TTS уже в App Store: бесплатно и Pro (русский заявлен, свою модель загружать вряд ли можно)
github.com/The-unknown-Shadowman/PocketTTS-Android-Engine - Android, загружать свои модели проще
Русские модели
huggingface.co/ArtShtorm/Shtorm_PocketTTS_RU
huggingface.co/ArtShtorm/Shtorm-VoxCPM2-RU
Бенчмарк и #ASR
ncspeech.org/blog/asr-benchmark-oct-2026 - бенчмарк #ASR за октябрь: четыре системы на 15 наборах, 85 часов — русский, казахский, смешанные звонки
github.com/TheStageAI/TheWhisper - TheWhisper: новое дообучение Whisper для ASR
👍7🔥2🤝1
OpenCode V2
Крупное обновление открытого агента для написания кода от Anomaly. В отличие от агентов-компаньонов вроде Hermes или DeepSeek Harness, этот нацелен на разработчиков: заточен под терминал и IDE, максимум скорости и экономии токенов при правке репозиториев.
Что нового
• Центральный фоновый сервис теперь по умолчанию — TUI, веб и десктоп работают через один процесс
• API и клиент переписаны с нуля
• JS-интерпретатор в Code Mode — агент сводит инструменты MCP/OpenAPI в единые скрипты
• Фоновые субагенты и асинхронные команды в шелле
• Система плагинов обновлена, появилась горячая перезагрузка
• Можно подключать как самостоятельную библиотеку или SDK
• Плагины версии 1.0 больше не поддерживаются
• API сервера полностью изменилось
• Конфиг tui.json переехал в формат .json
Обновление: opencode upgrade --major
github.com/anomalyco/opencode
#coding #agent
MAX
Крупное обновление открытого агента для написания кода от Anomaly. В отличие от агентов-компаньонов вроде Hermes или DeepSeek Harness, этот нацелен на разработчиков: заточен под терминал и IDE, максимум скорости и экономии токенов при правке репозиториев.
Что нового
• Центральный фоновый сервис теперь по умолчанию — TUI, веб и десктоп работают через один процесс
• API и клиент переписаны с нуля
• JS-интерпретатор в Code Mode — агент сводит инструменты MCP/OpenAPI в единые скрипты
• Фоновые субагенты и асинхронные команды в шелле
• Система плагинов обновлена, появилась горячая перезагрузка
• Можно подключать как самостоятельную библиотеку или SDK
• Плагины версии 1.0 больше не поддерживаются
• API сервера полностью изменилось
• Конфиг tui.json переехал в формат .json
Обновление: opencode upgrade --major
github.com/anomalyco/opencode
#coding #agent
MAX
🔥17
Raven
Поиск дома по фото интерьера
Graylark добавила в Raven поиск конкретного дома по снимкам интерьера. В демо ИИ за несколько секунд сопоставлял фото прачечной и ванной из соцсетей с конкретными объявлениями Airbnb и Vrbo — без геометок и без поиска идентичной картинки.
Убедительно показаны лишь маркетинговые демо. Реальные скорость и точность Raven вне роликов компании не подтверждены.
Впрочем, простых смертных просят не беспокоиться, доступ только для копов
#news
MAX
Поиск дома по фото интерьера
Graylark добавила в Raven поиск конкретного дома по снимкам интерьера. В демо ИИ за несколько секунд сопоставлял фото прачечной и ванной из соцсетей с конкретными объявлениями Airbnb и Vrbo — без геометок и без поиска идентичной картинки.
Убедительно показаны лишь маркетинговые демо. Реальные скорость и точность Raven вне роликов компании не подтверждены.
Впрочем, простых смертных просят не беспокоиться, доступ только для копов
#news
MAX
😁4
Media is too big
VIEW IN TELEGRAM
T3lescope
Генеративная реконструкция от Preferred Networks: восстанавливает 3D-меши сцены из набора изображений без оптимизации под каждую сцену. Сразу выдает меш высокого разрешения через mesh flow-модели.
• Реконструкция от отдельных объектов до крупных уличных сцен
• Разрешение и детализация выбираются на инференсе — каскад coarse-to-fine
• Грубый уровень задаёт планировку сцены, тонкие уровни добавляют детали поверхности
• Ловит тонкие структуры, глянцевые и прозрачные поверхности
• Не требует per-scene оптимизации и не режет сцену на куски
Код ждем
Спасибо @m_franz
#scenereconstrustion #image2mesh
MAX
Генеративная реконструкция от Preferred Networks: восстанавливает 3D-меши сцены из набора изображений без оптимизации под каждую сцену. Сразу выдает меш высокого разрешения через mesh flow-модели.
• Реконструкция от отдельных объектов до крупных уличных сцен
• Разрешение и детализация выбираются на инференсе — каскад coarse-to-fine
• Грубый уровень задаёт планировку сцены, тонкие уровни добавляют детали поверхности
• Ловит тонкие структуры, глянцевые и прозрачные поверхности
• Не требует per-scene оптимизации и не режет сцену на куски
Код ждем
Спасибо @m_franz
#scenereconstrustion #image2mesh
MAX
👍8❤1⚡1🔥1
MiniCPM-V 4.7
Новая открытая серия мультимодальных моделей OpenBMB для устройств
Две модели: MiniCPM-V 4.7 35B-A3B и MiniCPM-V 4.7 1B.
• Мультимодальное понимание, STEM-рассуждения, #OCR и длинные видео
• Локальный запуск на #iOS и #Android
• Гибридное сжатие визуальных токенов 4× и 16×
• Self-Replay Fine-Tuning — дешевая донастройка под новые задачи без потери общих качеств
• 35B-A3B: 17+ токенов/с на iPad Pro M4 (16 ГБ), 13+ на iPhone 17 Pro Max, всего 3 ГБ памяти
• LES (Lookahead Expert Scheduling) предзагружает веса экспертов — 5× ускорение на iPad Pro M4 при идентичном выводе
• Даже при 16× сжатии 90.4 на OCRBench — на 5.2 пункта выше Qwen3.6 35B-A3B
• Конкурентные результаты на 34 бенчмарках
github.com/OpenBMB/MiniCPM-V
huggingface.co/collections/openbmb/minicpm-v-47
#multimodal #mobile
MAX
Новая открытая серия мультимодальных моделей OpenBMB для устройств
Две модели: MiniCPM-V 4.7 35B-A3B и MiniCPM-V 4.7 1B.
• Мультимодальное понимание, STEM-рассуждения, #OCR и длинные видео
• Локальный запуск на #iOS и #Android
• Гибридное сжатие визуальных токенов 4× и 16×
• Self-Replay Fine-Tuning — дешевая донастройка под новые задачи без потери общих качеств
• 35B-A3B: 17+ токенов/с на iPad Pro M4 (16 ГБ), 13+ на iPhone 17 Pro Max, всего 3 ГБ памяти
• LES (Lookahead Expert Scheduling) предзагружает веса экспертов — 5× ускорение на iPad Pro M4 при идентичном выводе
• Даже при 16× сжатии 90.4 на OCRBench — на 5.2 пункта выше Qwen3.6 35B-A3B
• Конкурентные результаты на 34 бенчмарках
github.com/OpenBMB/MiniCPM-V
huggingface.co/collections/openbmb/minicpm-v-47
#multimodal #mobile
MAX
👍7😱2
This media is not supported in your browser
VIEW IN TELEGRAM
BudgetPix
Метод адаптивной токенизации от UIUC и Google для пиксельных моделей генерации картинок. Одна модель работает при любом бюджете вычислений: сложные участки получают больше токенов, простые фоны — меньше
• Динамически тратит вычисления по визуальной сложности сцены
• Одна чекпоинт-модель от 100% до 10% токенов
• Работает и в one-step генерации
• Энкодер на энтропийном квадродереве, многомасштабный декодер
Вставляется в существующие пиксельные диффузии (JiT, MiniT2I, PixelDiT) без переделки. Высвобождает бюджет на лету — гибко под ресурсы инференса
Код ждем
#tokenizer #research
MAX
Метод адаптивной токенизации от UIUC и Google для пиксельных моделей генерации картинок. Одна модель работает при любом бюджете вычислений: сложные участки получают больше токенов, простые фоны — меньше
• Динамически тратит вычисления по визуальной сложности сцены
• Одна чекпоинт-модель от 100% до 10% токенов
• Работает и в one-step генерации
• Энкодер на энтропийном квадродереве, многомасштабный декодер
Вставляется в существующие пиксельные диффузии (JiT, MiniT2I, PixelDiT) без переделки. Высвобождает бюджет на лету — гибко под ресурсы инференса
Код ждем
#tokenizer #research
MAX
👍5