PanoSeg3R
#SOTA Сегментация 3D-сцен из панорамных снимков без оптимизации под каждую сцену. Панорамы на вход, размеченное 3D-облако точек на выходе
• feed-forward: несколько панорам -> семантическая 3D-сегментация за проход
• стабильная геометрия и метки - байзлайны теряют сцены, модель держит близко к GT
• автосборка данных - размечает неаннотированные панорамы через SAM3, PanSt3R и VLM-фильтр
• zero-shot перенос улучшается на свежих данных
Разметка без датасетов с руками: панорама режется на кадры, SAM3 дает маски, PanSt3R - грубые классы, VLM отсеивает мусор
Код ждем
#segmentation3d
MAX
#SOTA Сегментация 3D-сцен из панорамных снимков без оптимизации под каждую сцену. Панорамы на вход, размеченное 3D-облако точек на выходе
• feed-forward: несколько панорам -> семантическая 3D-сегментация за проход
• стабильная геометрия и метки - байзлайны теряют сцены, модель держит близко к GT
• автосборка данных - размечает неаннотированные панорамы через SAM3, PanSt3R и VLM-фильтр
• zero-shot перенос улучшается на свежих данных
Разметка без датасетов с руками: панорама режется на кадры, SAM3 дает маски, PanSt3R - грубые классы, VLM отсеивает мусор
Код ждем
#segmentation3d
MAX
🔥7👍3❤1
AI Agents List 2026
Статья на HF
Подборка инструментов для работы с ИИ-агентами на начало года. Ресерч-каталог без бенчмарков: автор собрал фреймворки, кодинг-агентов, харнессы, голосовых ассистентов и песочницы с пояснением, что именно смотреть
Разделы:
• фреймворки и SDK - Pydantic AI, LangGraph, smolagents, OpenAI Agents
• кодинг-агенты - Codex CLI, OpenCode, Cline, Qwen Code
• харнессы для сборки - Deep Agents, Pi, Strands
• голосовые агенты - LiveKit, Pipecat
• песочницы, трейсинг и тесты - E2B, Langfuse, Promptfoo
Плюс важное: статус проектов поменялся - AutoGen в maintenance mode, Roo Code и Flowise заархивированы, Continue не развивается. Отдельно предупреждение о безопасности: открытый код не значит аудит, стартуйте в песочнице и проверяйте релизы
#agent #harness #orchestrator #guide
MAX
Статья на HF
Подборка инструментов для работы с ИИ-агентами на начало года. Ресерч-каталог без бенчмарков: автор собрал фреймворки, кодинг-агентов, харнессы, голосовых ассистентов и песочницы с пояснением, что именно смотреть
Разделы:
• фреймворки и SDK - Pydantic AI, LangGraph, smolagents, OpenAI Agents
• кодинг-агенты - Codex CLI, OpenCode, Cline, Qwen Code
• харнессы для сборки - Deep Agents, Pi, Strands
• голосовые агенты - LiveKit, Pipecat
• песочницы, трейсинг и тесты - E2B, Langfuse, Promptfoo
Плюс важное: статус проектов поменялся - AutoGen в maintenance mode, Roo Code и Flowise заархивированы, Continue не развивается. Отдельно предупреждение о безопасности: открытый код не значит аудит, стартуйте в песочнице и проверяйте релизы
#agent #harness #orchestrator #guide
MAX
👍6
#YuE2
github.com/Comfy-Org/ComfyUI/pull/16250 - YuE2 в #ComfyUI v0.36.0: генерация музыки по стилю и тексту. Еще PR/16293: фиксы AMD и больше контролов в generate ABC
huggingface.co/guey-khala-mari/yue2_lora_sandbox/tree/main/samjac - #LoRA голос Сэмюэла Л. Джексона
huggingface.co/monsterovich/yue2-steps-from-hell -2 Steps From Hell #LoRa - эпичная оркестровая трейлер-музыка
civitai.com/models/2950939/yue2-music-and-cover-easy-ui-supernova-workflow - #workflow Supernova с оптимизациями. KSampler ускорен в 16 раз без слышимой разницы. песни и каверы, простой UI
github.com/dynamohum/YuE2gen-studio - YuE2-Studio: веб-обертка над ComfyUI + тренер LoRA #finetuning
github.com/pytraveler/YuE2-ComfyUI - v0.9.0 от @Aleks_101 : нода Edit Track правит кусок готовой песни без перепевки остального. Перепеть такты, вырезать, смена слов, сдвиг секции, инструментальный проигрыш. Пока только свои песни. Окно Saved songs, редактор партитуры
MAX
github.com/Comfy-Org/ComfyUI/pull/16250 - YuE2 в #ComfyUI v0.36.0: генерация музыки по стилю и тексту. Еще PR/16293: фиксы AMD и больше контролов в generate ABC
huggingface.co/guey-khala-mari/yue2_lora_sandbox/tree/main/samjac - #LoRA голос Сэмюэла Л. Джексона
huggingface.co/monsterovich/yue2-steps-from-hell -2 Steps From Hell #LoRa - эпичная оркестровая трейлер-музыка
civitai.com/models/2950939/yue2-music-and-cover-easy-ui-supernova-workflow - #workflow Supernova с оптимизациями. KSampler ускорен в 16 раз без слышимой разницы. песни и каверы, простой UI
github.com/dynamohum/YuE2gen-studio - YuE2-Studio: веб-обертка над ComfyUI + тренер LoRA #finetuning
github.com/pytraveler/YuE2-ComfyUI - v0.9.0 от @Aleks_101 : нода Edit Track правит кусок готовой песни без перепевки остального. Перепеть такты, вырезать, смена слов, сдвиг секции, инструментальный проигрыш. Пока только свои песни. Окно Saved songs, редактор партитуры
MAX
❤8👍2
#LTX25
MiniMax H3 + LTX 2.5 - двухстадийный пайплайн: видео из #MiniMaxH3 прогоняется через LTX 2.5 Fast и апскалится до 2K со звуком #upscale
———
Ingredients IC-LoRA от Lightricks тихо обновили для LTX 2.5. Теперь #ref2v работает через лист-картинку: загружаешь шпаргалку с персонажем, и модель держит его облик в движении
———
ainvfxfluid - IC-LoRA симуляции огня и дыма: на первом и последнем кадре рисуешь плоские кляксы, модель сама заполняет между ними дым, пар или огонь и анимирует.
В комплекте воркфлоу с пред-закрашенными кадрами и 45-минутная инструкция. работа с несколькими ключевыми кадрами и с реального фото. #lora #simulation #workflow
туториал
MAX
MiniMax H3 + LTX 2.5 - двухстадийный пайплайн: видео из #MiniMaxH3 прогоняется через LTX 2.5 Fast и апскалится до 2K со звуком #upscale
———
Ingredients IC-LoRA от Lightricks тихо обновили для LTX 2.5. Теперь #ref2v работает через лист-картинку: загружаешь шпаргалку с персонажем, и модель держит его облик в движении
———
ainvfxfluid - IC-LoRA симуляции огня и дыма: на первом и последнем кадре рисуешь плоские кляксы, модель сама заполняет между ними дым, пар или огонь и анимирует.
В комплекте воркфлоу с пред-закрашенными кадрами и 45-минутная инструкция. работа с несколькими ключевыми кадрами и с реального фото. #lora #simulation #workflow
туториал
MAX
👍8❤5👎2🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
Agent Detection-1 от Resemble AI
Модель system-one для распознавания агентов на сайте. Различает человека и агента, называет агента по имени и решает, что с ним делать
• определяет человека или агента и какого именно - Muse, Claude Code, Codex и другие
• полезные агенты направляются на MCP-сервер или llms.txt
• плохие - скрейперы и credential stuffer - останавливаются
• каждый визит пишется в дашборд Resemble
Отличие от привычных решений: Cloudflare и Akamai агентов блокируют, аналитика их не отличает от людей. Эта модель отвечает на вопрос, кто пришел, в момент визита
Подключение - одна строка скрипта, 3 шага за 5 минут. Цена от 1 доллара за 1000 посетителей. Есть скилл, который ставит детект в кодовую базу
#rlcd #decision #detection #skill
MAX
Модель system-one для распознавания агентов на сайте. Различает человека и агента, называет агента по имени и решает, что с ним делать
• определяет человека или агента и какого именно - Muse, Claude Code, Codex и другие
• полезные агенты направляются на MCP-сервер или llms.txt
• плохие - скрейперы и credential stuffer - останавливаются
• каждый визит пишется в дашборд Resemble
Отличие от привычных решений: Cloudflare и Akamai агентов блокируют, аналитика их не отличает от людей. Эта модель отвечает на вопрос, кто пришел, в момент визита
Подключение - одна строка скрипта, 3 шага за 5 минут. Цена от 1 доллара за 1000 посетителей. Есть скилл, который ставит детект в кодовую базу
#rlcd #decision #detection #skill
MAX
👍3
Open Manager for ComfyUI
Альтернатива стандартному менеджеру #ComfyUI
Смотрит за всем воркспейсом, а не только за нодами. Своя вкладка сбоку
• установка нод из реестра или GitHub - до запуска видно, что ставится
• скачивание моделей прямо из воркфлоу: докачка и проверка
• библиотека моделей - дубликаты и неиспользуемые файлы
• монитор ресурсов - CPU, RAM, VRAM и температура
• рабочий стол на отдельной вкладке - файлы, заметки, результаты
Для авторов пакетов - темы, примеры воркфлоу, галерея через pyproject.toml. Работает как обычная нода или как замена менеджера
#manager #tools
MAX
Альтернатива стандартному менеджеру #ComfyUI
Смотрит за всем воркспейсом, а не только за нодами. Своя вкладка сбоку
• установка нод из реестра или GitHub - до запуска видно, что ставится
• скачивание моделей прямо из воркфлоу: докачка и проверка
• библиотека моделей - дубликаты и неиспользуемые файлы
• монитор ресурсов - CPU, RAM, VRAM и температура
• рабочий стол на отдельной вкладке - файлы, заметки, результаты
Для авторов пакетов - темы, примеры воркфлоу, галерея через pyproject.toml. Работает как обычная нода или как замена менеджера
#manager #tools
MAX
👍11
No Sloptober
Хех, Челлендж по аналогии с no-nut-november: месяц без LLM
Личный обет отказаться от всех ИИ-инструментов на октябрь, цифровой детокс для мозга
• никаких чат-ботов, AI-поиска и ревью через LLM
• никаких агентов - Claude, OpenCode, Pi
• цель - прокачать навыки и понять, где LLM правда нужны
• аргумент автора: агенты только растят энтропию системы, уменьшать её умеет человек
Зачем:
• докончить навыки самостоятельно
• растянуть мозг, а не превращаться в пересыльщика промптов
• польза для психики
• понять свои пробелы и честно ли ты их делегируешь
Вместо LLM: разобрать чужой код от остатков LLM-мусора, выучить язык, начать проект, сделать игру. Карьерный вариант - предложить менеджеру замерить скорость и стоимость команды без ИИ. Хэштег #no-sloptober
Есть смельчаки?
#news #challange
MAX
Хех, Челлендж по аналогии с no-nut-november: месяц без LLM
Личный обет отказаться от всех ИИ-инструментов на октябрь, цифровой детокс для мозга
• никаких чат-ботов, AI-поиска и ревью через LLM
• никаких агентов - Claude, OpenCode, Pi
• цель - прокачать навыки и понять, где LLM правда нужны
• аргумент автора: агенты только растят энтропию системы, уменьшать её умеет человек
Зачем:
• докончить навыки самостоятельно
• растянуть мозг, а не превращаться в пересыльщика промптов
• польза для психики
• понять свои пробелы и честно ли ты их делегируешь
Вместо LLM: разобрать чужой код от остатков LLM-мусора, выучить язык, начать проект, сделать игру. Карьерный вариант - предложить менеджеру замерить скорость и стоимость команды без ИИ. Хэштег #no-sloptober
Есть смельчаки?
#news #challange
MAX
😁23👎8👀4🍌2❤1
Realtime-Venus
Мультимодалка, полный аудио дуплекс: модель слушает, пока говорит, видит аудио-видео контекст и параллельно делегирует задачи в фон, не прерывая диалог. Два чекпоинта по 9B на базе MiniCPM-o 4.5
• Omni - аудио-видео: непрерывно смотрит и слушает, сама решает, когда ответить
• Audio - голосовый диалог с речевым выводом
• асинхронная делегация - <delegate>-запросы в потоке, внешние задачи не блокируют разговор
• память длинных видео без дообучения
• различает перебивания, коррекции и редиректы
Вход: видео, аудио, текст. Выход: текст и речь. Языковая база - Qwen3-8B, контекст 40960 токенов
Гитхаб
HF
Heretic
Демо
#multimodal #duplex #realtime #dialog #vlm #alm
Мультимодалка, полный аудио дуплекс: модель слушает, пока говорит, видит аудио-видео контекст и параллельно делегирует задачи в фон, не прерывая диалог. Два чекпоинта по 9B на базе MiniCPM-o 4.5
• Omni - аудио-видео: непрерывно смотрит и слушает, сама решает, когда ответить
• Audio - голосовый диалог с речевым выводом
• асинхронная делегация - <delegate>-запросы в потоке, внешние задачи не блокируют разговор
• память длинных видео без дообучения
• различает перебивания, коррекции и редиректы
Вход: видео, аудио, текст. Выход: текст и речь. Языковая база - Qwen3-8B, контекст 40960 токенов
Гитхаб
HF
Heretic
Демо
#multimodal #duplex #realtime #dialog #vlm #alm
👍7🔥3
Media is too big
VIEW IN TELEGRAM
WanPE от Wan Team
Улучшайзер промптов на 397B параметров. Короткий запрос превращает в режиссерский покадровый сценарий: движения, траектории камеры, свет, звук по всем сценам. Обучили на 1.05 млн реальных видео
• покадровая раскадровка уровня режиссера
• держит исходный замысел пользователя через SC-GRPO - семантика не теряется между кадрами
• для видео 5-30 секунд
• переносится на другие генераторы - LTX-2.5 и MiniMax-H3
• +50.9 балла к предпочтениям людей на 30-секундных видео с Wan3.0
• +10.7-18.8 балла на 5-15 секундах
• обходит коммерческие решения на 5-15 секундах, конкурентен Seedance 2.5 на 30
Опенсорс вероятно, ждем
#prompting #PE #directing
MAX
Улучшайзер промптов на 397B параметров. Короткий запрос превращает в режиссерский покадровый сценарий: движения, траектории камеры, свет, звук по всем сценам. Обучили на 1.05 млн реальных видео
• покадровая раскадровка уровня режиссера
• держит исходный замысел пользователя через SC-GRPO - семантика не теряется между кадрами
• для видео 5-30 секунд
• переносится на другие генераторы - LTX-2.5 и MiniMax-H3
• +50.9 балла к предпочтениям людей на 30-секундных видео с Wan3.0
• +10.7-18.8 балла на 5-15 секундах
• обходит коммерческие решения на 5-15 секундах, конкурентен Seedance 2.5 на 30
Опенсорс вероятно, ждем
#prompting #PE #directing
MAX
👍12😱8🤔1
ComfyMax MusicLab
подготовка аудио для музыкальных видео в ComfyUI
Локальный воркспейс анализа песен и нарезки сцен для музыкальных видео воркфлоу
• редактирование маркеров на волновой форме - границы сцен
• разделение вокала через Demucs, классификация вокальных и инструментальных отрезков
• анализ музыки: ритм, аккорды, таймшты
• транскрипция слов через Whisper, редактируемые текст
• экспорт сцен для видео-генерации
• опционально SheetSage2 - нотная транскрипция ABC и экспорт MIDI
Пайплайн: загрузка трека, локальная сепарация, правка маркеров, создание сцен, экспорт. Отдельное окружение Python 3.11, ComfyUI не трогает. SheetSage2 ставится отдельно (10 ГБ, лицензия только для некоммерческого использования)
#music2video #song2video
MAX
подготовка аудио для музыкальных видео в ComfyUI
Локальный воркспейс анализа песен и нарезки сцен для музыкальных видео воркфлоу
• редактирование маркеров на волновой форме - границы сцен
• разделение вокала через Demucs, классификация вокальных и инструментальных отрезков
• анализ музыки: ритм, аккорды, таймшты
• транскрипция слов через Whisper, редактируемые текст
• экспорт сцен для видео-генерации
• опционально SheetSage2 - нотная транскрипция ABC и экспорт MIDI
Пайплайн: загрузка трека, локальная сепарация, правка маркеров, создание сцен, экспорт. Отдельное окружение Python 3.11, ComfyUI не трогает. SheetSage2 ставится отдельно (10 ГБ, лицензия только для некоммерческого использования)
#music2video #song2video
MAX
👍5❤4