This media is not supported in your browser
VIEW IN TELEGRAM
OmniCam
Камера-контроль в ComfyUI
Как мини-Blender внутри ноды. Три инструмента: извлечь камеру из видео, расставить кадры в 3D-вьюпорте, скомпилировать движение под нужную модель
#comfyui #cameracontrol
VK | MAX
Камера-контроль в ComfyUI
Как мини-Blender внутри ноды. Три инструмента: извлечь камеру из видео, расставить кадры в 3D-вьюпорте, скомпилировать движение под нужную модель
#comfyui #cameracontrol
VK | MAX
1❤9👍9🔥1🤯1
This media is not supported in your browser
VIEW IN TELEGRAM
NeoMME
Поиск по PDF-документам без OCR. Страницы обрабатываются как изображения, поиск учитывает верстку, таблицы, графики и типографику
- Ретривер для RAG: ищет нужные страницы PDF по запросу, а не генерирует ответ
- Понимает визуальную структуру — таблицы, графики, колонки, дизайн страницы. OCR выбросил бы всё это
- Загрузка документа + запрос → модель возвращает релевантные страницы
- 2 размера: 260M и 800M — под разное железо
Демо
#vlm #ocr
VK | MAX
Поиск по PDF-документам без OCR. Страницы обрабатываются как изображения, поиск учитывает верстку, таблицы, графики и типографику
- Ретривер для RAG: ищет нужные страницы PDF по запросу, а не генерирует ответ
- Понимает визуальную структуру — таблицы, графики, колонки, дизайн страницы. OCR выбросил бы всё это
- Загрузка документа + запрос → модель возвращает релевантные страницы
- 2 размера: 260M и 800M — под разное железо
Демо
#vlm #ocr
VK | MAX
👍6🤔2
This media is not supported in your browser
VIEW IN TELEGRAM
FaceFusion Mobile
Ишь чего сделали - порт FaceFusion на #Android
Замена лица в реальном времени, с фронталки и целиком на телефоне. Без сервера, без аккаунта, без загрузок
- На Snapdragon — через NPU Hexagon: 10 сек видео в 720p ≈ 13 сек, с Fast — ≈ 11 сек
- Android 12+, 64-bit ARM; APK 66 MB, модели 420 MB
#mobile #faceswap #reealtime
VK | MAX
Ишь чего сделали - порт FaceFusion на #Android
Замена лица в реальном времени, с фронталки и целиком на телефоне. Без сервера, без аккаунта, без загрузок
- На Snapdragon — через NPU Hexagon: 10 сек видео в 720p ≈ 13 сек, с Fast — ≈ 11 сек
- Android 12+, 64-bit ARM; APK 66 MB, модели 420 MB
#mobile #faceswap #reealtime
VK | MAX
👍17❤1
This media is not supported in your browser
VIEW IN TELEGRAM
Motion-Omni
Одна модель генерирует и речь и движения тела по диалогу. Вместо того чтобы запускать TTS и анимацию по отдельности и потом синхронизировать все делается из одних и тех же латентных состояний
- 5.4x быстрее каскадных решений, не надо ждать пока каждый компонент отработает по очереди
- Синхронизация зашита в архитектуру, а не доклеивается постфактум
- Подходит для диалоговых аватаров, виртуальных персонажей, anything, где персонаж говорит и движется одновременно
На видео сравнение с MambaTalk
Гитхаб
#tts #animation
VK | MAX
Одна модель генерирует и речь и движения тела по диалогу. Вместо того чтобы запускать TTS и анимацию по отдельности и потом синхронизировать все делается из одних и тех же латентных состояний
- 5.4x быстрее каскадных решений, не надо ждать пока каждый компонент отработает по очереди
- Синхронизация зашита в архитектуру, а не доклеивается постфактум
- Подходит для диалоговых аватаров, виртуальных персонажей, anything, где персонаж говорит и движется одновременно
На видео сравнение с MambaTalk
Гитхаб
#tts #animation
VK | MAX
😁9
Media is too big
VIEW IN TELEGRAM
Накопилось по #minimaxH3 - часть 19
github.com/cicalooo/ComfyUI-H3-PowerLoraStack - стек-лоадер нескольких лор для H3, в духе Power Lora Loader. Заточен под три проблемы, ломающие лоры H3
github.com/Saganaki22/ComfyUI-Viggle-Animate-H3 - ноды Viggle-Animate
github.com/oodate-lab/comfyui-h3-anime-batch-runner - батч-контроллер под Windows: ИИ генерит промпты из сюжета и 1–9 референсов, гонит клипы в #ComfyUI
huggingface.co/HardGravy2/Minimax_H3_FLF_HardGravy_6_Step_Turbo_Merge - 6-шаговый флэт-мерж скоростных лор, плюс вариант от JonXL для фотореализма
nvlabs.github.io/Sana/Sol-Engine/Sol-H3 - ускорение от NVIDIA: 4 шага против 50 у базы, ускорение до 15.5x #optimization
github.com/PullMyBoots/ComfyUI-H3-FaceRefine-Accelerated - исправление мелких лиц для групповых сцен
huggingface.co/spaces/malcolmrey/browser - #RefMods: вместо лор - референсы, запеченные в latent как safetensors. Библиотека, #workflow
github.com/cicalooo/ComfyUI-H3-PowerLoraStack - стек-лоадер нескольких лор для H3, в духе Power Lora Loader. Заточен под три проблемы, ломающие лоры H3
github.com/Saganaki22/ComfyUI-Viggle-Animate-H3 - ноды Viggle-Animate
github.com/oodate-lab/comfyui-h3-anime-batch-runner - батч-контроллер под Windows: ИИ генерит промпты из сюжета и 1–9 референсов, гонит клипы в #ComfyUI
huggingface.co/HardGravy2/Minimax_H3_FLF_HardGravy_6_Step_Turbo_Merge - 6-шаговый флэт-мерж скоростных лор, плюс вариант от JonXL для фотореализма
nvlabs.github.io/Sana/Sol-Engine/Sol-H3 - ускорение от NVIDIA: 4 шага против 50 у базы, ускорение до 15.5x #optimization
github.com/PullMyBoots/ComfyUI-H3-FaceRefine-Accelerated - исправление мелких лиц для групповых сцен
huggingface.co/spaces/malcolmrey/browser - #RefMods: вместо лор - референсы, запеченные в latent как safetensors. Библиотека, #workflow
👍14
This media is not supported in your browser
VIEW IN TELEGRAM
The Attention Triangle
Исследование о том почему в аудио-видео моделях звук прилипает не к тому объекту. Пират молчит, а говорит попугай — модель все равно заставляет говорить пирата. Авторы разобрали механизм утечки и научились его чинить
- Нашли треугольник внимания: три связи между текстом, аудио и видео. Главный источник утечки — двунаправленная связь аудио ↔️ видео
- Интервенция на инференсе: управляют треугольником внимания, чтобы звук прикреплялся к правильному источнику — без переобучения
Проверено на LTX-2. Получили практически бесплатный обходной фикс для уже обученных моделей
Код ждем
#research #attention #t2v #i2v
VK | MAX
Исследование о том почему в аудио-видео моделях звук прилипает не к тому объекту. Пират молчит, а говорит попугай — модель все равно заставляет говорить пирата. Авторы разобрали механизм утечки и научились его чинить
- Нашли треугольник внимания: три связи между текстом, аудио и видео. Главный источник утечки — двунаправленная связь аудио ↔️ видео
- Интервенция на инференсе: управляют треугольником внимания, чтобы звук прикреплялся к правильному источнику — без переобучения
Проверено на LTX-2. Получили практически бесплатный обходной фикс для уже обученных моделей
Код ждем
#research #attention #t2v #i2v
VK | MAX
🔥12👍3🤔2❤1
EVIE
Открытый визуальный ретривер документов от Tencent.
Самый точный на Hugging Face. Ищет нужные страницы PDF по смыслу и верстке, не полагаясь на #OCR
Получается конкурент NeoMME
- Понимает страницу целиком: текст, таблицы, графики, типографику — визуальный слой участвует в поиске
- Multi-vector late-interaction: сравнивает запрос с фрагментами документа, а не только с одним эмбеддингом — точнее семантика
- Apache-совместимая открытая лицензия
- Две версии: EVIE-8B и EVIE-4.5B
Гитхаб
#vlm
VK | MAX
Открытый визуальный ретривер документов от Tencent.
Самый точный на Hugging Face. Ищет нужные страницы PDF по смыслу и верстке, не полагаясь на #OCR
Получается конкурент NeoMME
- Понимает страницу целиком: текст, таблицы, графики, типографику — визуальный слой участвует в поиске
- Multi-vector late-interaction: сравнивает запрос с фрагментами документа, а не только с одним эмбеддингом — точнее семантика
- Apache-совместимая открытая лицензия
- Две версии: EVIE-8B и EVIE-4.5B
Гитхаб
#vlm
VK | MAX
👍12🔥3🤝2
Object Concepts Emerge from Motion
Метод учит нейросеть видеть объекты на картинке без ручной разметки просто наблюдая за движением
Идея из детской психологии: младенец понимает, что части двигаются вместе, значит это один объект. Авторы применили то же к ИИ: если кусок видео движется как единое целое, считаем его объектом. Разметка не нужна, видео в интернете полно.
Результат: на готовом фото модель сама разделяет машины, людей, тротуары. Сравнима с конкурентами, которых учили на дорогой размеченной разметке.
Главное применение - автономное вождение: глубина, 3D-детекция, планирование пути
Гитхаб
HF
#segmentation #video2feature
VK | MAX
Метод учит нейросеть видеть объекты на картинке без ручной разметки просто наблюдая за движением
Идея из детской психологии: младенец понимает, что части двигаются вместе, значит это один объект. Авторы применили то же к ИИ: если кусок видео движется как единое целое, считаем его объектом. Разметка не нужна, видео в интернете полно.
Результат: на готовом фото модель сама разделяет машины, людей, тротуары. Сравнима с конкурентами, которых учили на дорогой размеченной разметке.
Главное применение - автономное вождение: глубина, 3D-детекция, планирование пути
Гитхаб
HF
#segmentation #video2feature
VK | MAX
👍7🔥2
MiniCPM5-2B
Пока все гонятся за гигантами, OpenBMB выпустила компактную dense-модель на 2B, #SOTA в своем классе и обходит модели вдвое больше. Для мобилок, локального запуска и агентов на слабом железе
- 2B dense — влезает на ноутбук, телефон и edge
- SOTA в классе 2B: средний балл 53.9 — выше, чем у Qwen3.5-4B и granite-4.2-3B
- Кодинг, математика, длинный контекст, инструменты и агентские задачи - сильнейшие стороны
- Контекст 131K нативно
- Apache 2.0
Гитхаб
Демо
#mobile #compact #agent
VK | MAX
Пока все гонятся за гигантами, OpenBMB выпустила компактную dense-модель на 2B, #SOTA в своем классе и обходит модели вдвое больше. Для мобилок, локального запуска и агентов на слабом железе
- 2B dense — влезает на ноутбук, телефон и edge
- SOTA в классе 2B: средний балл 53.9 — выше, чем у Qwen3.5-4B и granite-4.2-3B
- Кодинг, математика, длинный контекст, инструменты и агентские задачи - сильнейшие стороны
- Контекст 131K нативно
- Apache 2.0
Гитхаб
Демо
#mobile #compact #agent
VK | MAX
👍6🤔3😁2
huggingface.co/nvidia/Qwen3.8-Flash-Next-NVFP4 - NVIDIA NVFP4 квантизация Qwen3.8-Flash-Next: ~2.7x меньше BF16 на Blackwell
huggingface.co/Cyronius/Qwen3.8-Flash-Next-131B-A6B-GGUF - GGUF с обрезанной n-gram таблицей (2/16 голов) — 64.8GB вместо 90GB
huggingface.co/dealignai/Qwen3.8-Flash-Next-UNCENSORED-FP8 - обесцензуренный Qwen3.8-Flash-Next: отказ убран, MTP и vision сохранены. 94% compliance на HarmBench
huggingface.co/Jackrong/Qwopus3.8-27B-Flash-GGUF - файнтюн Qwen3.8-27B для скорости: +12.8% tok/s, MTP принятие 80.7%, меньше разгоняющегося мышления
huggingface.co/XHToken/Spark-X2.5-4B-GGUF - Spark-X2.5 от iFlytek: 4B, гибридное внимание, до 1M контекста, 200+ языков. BF16 GGUF
#gguf #multimodal #agent #nvfp4 #uncensored
VK | MAX
huggingface.co/Cyronius/Qwen3.8-Flash-Next-131B-A6B-GGUF - GGUF с обрезанной n-gram таблицей (2/16 голов) — 64.8GB вместо 90GB
huggingface.co/dealignai/Qwen3.8-Flash-Next-UNCENSORED-FP8 - обесцензуренный Qwen3.8-Flash-Next: отказ убран, MTP и vision сохранены. 94% compliance на HarmBench
huggingface.co/Jackrong/Qwopus3.8-27B-Flash-GGUF - файнтюн Qwen3.8-27B для скорости: +12.8% tok/s, MTP принятие 80.7%, меньше разгоняющегося мышления
huggingface.co/XHToken/Spark-X2.5-4B-GGUF - Spark-X2.5 от iFlytek: 4B, гибридное внимание, до 1M контекста, 200+ языков. BF16 GGUF
#gguf #multimodal #agent #nvfp4 #uncensored
VK | MAX
huggingface.co
nvidia/Qwen3.8-Flash-Next-NVFP4 · Hugging Face
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
👍8🔥3🤔1
Накопилось по #gaussian
3dnchu.com/archives/splat2mesh - конвертирует сплаты в полигональный меш. Локально, без GPU, бесплатно для личного
github.com/pbkx/DirectXSplat - нативный D3D12 рендер гауссиан для Windows. До 2.4x быстрее gsplat. Без CUDA-зависимости
github.com/harry7557558/spirula-studio - обучение сплатов,
github.com/Kiri-Innovation/3dgs-render-blender-addon - 3DGS Render для #Blender 5.1: несколько сплатов, дубликаты, #HDRI-свет, экспериментальные риггинг, #relighting и тени
github.com/FlagOpen/InsertAny3D - вставка 3DGS-объектов в сцены #Unity через серверные модели, вывод PLY + позы
github.com/PrintedForFun/ply-to-splat - лидарное облако точек в гауссианы за 5 секунд вместо часов тренировки. Качество ниже обученного сплэта
reconstrura.com - Reconstrura: студия от видео до готового сплэта. Свой GPU-SfM (1300 кадров за 4 мин на 4090), маски SAM 2.1, кнопка авто-реконструкции. Linux. $25 разово
3dnchu.com/archives/splat2mesh - конвертирует сплаты в полигональный меш. Локально, без GPU, бесплатно для личного
github.com/pbkx/DirectXSplat - нативный D3D12 рендер гауссиан для Windows. До 2.4x быстрее gsplat. Без CUDA-зависимости
github.com/harry7557558/spirula-studio - обучение сплатов,
github.com/Kiri-Innovation/3dgs-render-blender-addon - 3DGS Render для #Blender 5.1: несколько сплатов, дубликаты, #HDRI-свет, экспериментальные риггинг, #relighting и тени
github.com/FlagOpen/InsertAny3D - вставка 3DGS-объектов в сцены #Unity через серверные модели, вывод PLY + позы
github.com/PrintedForFun/ply-to-splat - лидарное облако точек в гауссианы за 5 секунд вместо часов тренировки. Качество ниже обученного сплэта
reconstrura.com - Reconstrura: студия от видео до готового сплэта. Свой GPU-SfM (1300 кадров за 4 мин на 4090), маски SAM 2.1, кнопка авто-реконструкции. Linux. $25 разово
👍7🔥6