Iris-3B
Генератор картинок от Sperid Labs, который рисует каждый пиксель напрямую — без VAE и латентного пространства. Prompt → 1024px картинка, ничего не теряется в сжатом латенте.
• Генерация изображений из текста напрямую в пиксели
• Монокулярная оценка глубины
• Реставрация и апскейл изображений
• Все на одном бэкбоне без изменения архитектуры, просто финтюн под задачу
• 3B параметров + замороженный текстовый энкодер Qwen3-VL-4B (Apache 2.0)
• Веса ~12 ГБ на text-to-image, еще по ~12 ГБ на depth и upscaler
• Нужен NVIDIA GPU с CUDA
Альтернатива vision-фундаментам вроде DINOv2
huggingface.co/speridlabs/iris-3b
github.com/speridlabs/iris-3b
Демо -апскейлер неплох
Спасибо @m_franz
#imagerestoration #i2d #depth #t2i
MAX
Генератор картинок от Sperid Labs, который рисует каждый пиксель напрямую — без VAE и латентного пространства. Prompt → 1024px картинка, ничего не теряется в сжатом латенте.
• Генерация изображений из текста напрямую в пиксели
• Монокулярная оценка глубины
• Реставрация и апскейл изображений
• Все на одном бэкбоне без изменения архитектуры, просто финтюн под задачу
• 3B параметров + замороженный текстовый энкодер Qwen3-VL-4B (Apache 2.0)
• Веса ~12 ГБ на text-to-image, еще по ~12 ГБ на depth и upscaler
• Нужен NVIDIA GPU с CUDA
Альтернатива vision-фундаментам вроде DINOv2
huggingface.co/speridlabs/iris-3b
github.com/speridlabs/iris-3b
Демо -апскейлер неплох
Спасибо @m_franz
#imagerestoration #i2d #depth #t2i
MAX
🔥14❤1👍1
This media is not supported in your browser
VIEW IN TELEGRAM
ROME (Building Rome from a Single Image)
Метод от Applied Intuition + университетов
• Из одного фото — детальный 3D-меш всей сцены
• Завершает геометрию за пределами того, что видно на снимке
• Интерактивное измерение расстояний в метрах прямо во вьюере
• Сравнивалось с World Tracing, GenRecon, VolFill, Lyra 2.0
• Адаптивные чанки: мелкие вблизи, крупные для дальних зданий
• Автогрессивная генерация — соседние чанки переиспользуют латенты, геометрия согласованна
• 2D-3D кондиционирование: каждый воксель знает, свободен он, видим или скрыт
В веб-вьювере меши упрощены до ~1.5M граней, в статье и видео — полное разрешение
Код ждем
#scenereconstruction #imageto3d #image2mesh
MAX
Метод от Applied Intuition + университетов
• Из одного фото — детальный 3D-меш всей сцены
• Завершает геометрию за пределами того, что видно на снимке
• Интерактивное измерение расстояний в метрах прямо во вьюере
• Сравнивалось с World Tracing, GenRecon, VolFill, Lyra 2.0
• Адаптивные чанки: мелкие вблизи, крупные для дальних зданий
• Автогрессивная генерация — соседние чанки переиспользуют латенты, геометрия согласованна
• 2D-3D кондиционирование: каждый воксель знает, свободен он, видим или скрыт
В веб-вьювере меши упрощены до ~1.5M граней, в статье и видео — полное разрешение
Код ждем
#scenereconstruction #imageto3d #image2mesh
MAX
🔥6❤3👍2
This media is not supported in your browser
VIEW IN TELEGRAM
LIFT
Фреймворк для контролируемой генерации видео. Добавляет к управлению камерой контроль будущего лейаута: ты задаешь, что и где появится в финальном кадре.
• Задаешь траекторию камеры + лейаут финального кадра рамками и подписями
• Видео идет от первого кадра к заданному последнему, следуя камере
• Работает при больших сменах ракурса, когда камера открывает невидимые в начале области
• Боксы объектов в последнем кадре как явный сигнал управления
• Два режима: только камера / камера + лейаут
Гитхаб
HF
Демо
#t2v #cameracontrol #layoutcontrol
MAX
Фреймворк для контролируемой генерации видео. Добавляет к управлению камерой контроль будущего лейаута: ты задаешь, что и где появится в финальном кадре.
• Задаешь траекторию камеры + лейаут финального кадра рамками и подписями
• Видео идет от первого кадра к заданному последнему, следуя камере
• Работает при больших сменах ракурса, когда камера открывает невидимые в начале области
• Боксы объектов в последнем кадре как явный сигнал управления
• Два режима: только камера / камера + лейаут
Гитхаб
HF
Демо
#t2v #cameracontrol #layoutcontrol
MAX
👍11❤1
SynthID Detector
Google открыл всем детектор для проверки картинок и видео на ИИ. Раньше SynthID был доступен только избранным партнёрам и инструментам Google, теперь попробовать может любой.
#detection #watermark
MAX
Google открыл всем детектор для проверки картинок и видео на ИИ. Раньше SynthID был доступен только избранным партнёрам и инструментам Google, теперь попробовать может любой.
#detection #watermark
MAX
👍6🥴4
This media is not supported in your browser
VIEW IN TELEGRAM
PAMI
Генерация взаимодействий человека с объектами по тексту и мешу объекта. Из фразы вроде «возьми штатив, перенеси и поставь обратно» получается анимированное движение тела плюс точная траектория объекта. Тюбинген + MPI.
• Полное тело + объект, скоординированные во времени
• Часть-якорное голосование: движение объекта привязывается к частям тела (корпус, запястья, лодыжки)
• Точный контакт рук с объектом — без дрейфа, проваливания и «парящих» предметов
• Рекурсивный рефайнер доводит геометрию контакта, сенсоры ближнего и дальнего действи
Код ждем
#HOI #animation
MAX
Генерация взаимодействий человека с объектами по тексту и мешу объекта. Из фразы вроде «возьми штатив, перенеси и поставь обратно» получается анимированное движение тела плюс точная траектория объекта. Тюбинген + MPI.
• Полное тело + объект, скоординированные во времени
• Часть-якорное голосование: движение объекта привязывается к частям тела (корпус, запястья, лодыжки)
• Точный контакт рук с объектом — без дрейфа, проваливания и «парящих» предметов
• Рекурсивный рефайнер доводит геометрию контакта, сенсоры ближнего и дальнего действи
Код ждем
#HOI #animation
MAX
🔥8👍4❤2
Youtu-Parsing-Omni
Компактная омнимодальная парсинг-модель от Tencent: один 5B трансформер превращает в структурированный JSON почти что угодно — документ, картинку, график, чертеж, аудио и видео.
• Парсинг документов: лейаут, текст, таблицы, формулы, порядок чтения
• Картинки, графики, блок-схемы, геометрические фигуры
• Аудио: ASR, спикеры, сцены, акустические события
• Видео: кадры, OCR+ASR, отчёт о клипе
• Один унифицированный JSON-конверт для семи семейств задач
• Распознавание химструктур (ChemOCR) и нот (PDMX)
• 5B параметров, один энкодер на все модальности
• #SOTA на OmniDocBench v1.6 (96.96)
• Лучшая опенсорс на OmniParsingBench (75.08), после Gemini-3-Pro
• vLLM-плагин для быстрого сервинга
github.com/TencentCloudADP/youtu-parsing
learn2play.fun
#omnimodal #multimodal #any2json #vlm #alm
MAX
Компактная омнимодальная парсинг-модель от Tencent: один 5B трансформер превращает в структурированный JSON почти что угодно — документ, картинку, график, чертеж, аудио и видео.
• Парсинг документов: лейаут, текст, таблицы, формулы, порядок чтения
• Картинки, графики, блок-схемы, геометрические фигуры
• Аудио: ASR, спикеры, сцены, акустические события
• Видео: кадры, OCR+ASR, отчёт о клипе
• Один унифицированный JSON-конверт для семи семейств задач
• Распознавание химструктур (ChemOCR) и нот (PDMX)
• 5B параметров, один энкодер на все модальности
• #SOTA на OmniDocBench v1.6 (96.96)
• Лучшая опенсорс на OmniParsingBench (75.08), после Gemini-3-Pro
• vLLM-плагин для быстрого сервинга
github.com/TencentCloudADP/youtu-parsing
learn2play.fun
#omnimodal #multimodal #any2json #vlm #alm
MAX
❤6👍5
Tesseract by Mirage
Видеоредактор для ИИ-агентов. Агент монтирует видео, делает моушен-графику и дизайн в проекте Premiere или After Effects. В итоге получаешь редактируемый проект
• Агент монтирует видео и анимацию по брифу и референсам
• Редактируемые слои: текст, фигуры, маски, ключевые кадры, adjustment layers
• Правка одного элемента без пересоздания всего проекта
• Импорт/экспорт проектов Premiure Pro и After Effects
• Превью до финального рендера, правки по ходу работы
• Экспорт в 4K 60 fps
Важные параметры
• Нативное ядро для macOS, Windows, Linux
• Работает с любым агентом: ChatGPT, Claude, Muse, Grok Bot, Instinct
• Локальный движок бесплатный, подписка агента отдельно
• Без Adobe-подписки
Тот же движок, что питает Captions (миллионы видео). Не генерирует футаж и аватары — только редактирует существующее и делает графику. Конвертация Adobe частичная, экспорт After Effects экспериментальный
mirage.app/tesseract/converters
#videoediying #plugin
Видеоредактор для ИИ-агентов. Агент монтирует видео, делает моушен-графику и дизайн в проекте Premiere или After Effects. В итоге получаешь редактируемый проект
• Агент монтирует видео и анимацию по брифу и референсам
• Редактируемые слои: текст, фигуры, маски, ключевые кадры, adjustment layers
• Правка одного элемента без пересоздания всего проекта
• Импорт/экспорт проектов Premiure Pro и After Effects
• Превью до финального рендера, правки по ходу работы
• Экспорт в 4K 60 fps
Важные параметры
• Нативное ядро для macOS, Windows, Linux
• Работает с любым агентом: ChatGPT, Claude, Muse, Grok Bot, Instinct
• Локальный движок бесплатный, подписка агента отдельно
• Без Adobe-подписки
Тот же движок, что питает Captions (миллионы видео). Не генерирует футаж и аватары — только редактирует существующее и делает графику. Конвертация Adobe частичная, экспорт After Effects экспериментальный
mirage.app/tesseract/converters
#videoediying #plugin
❤8👍2
AutoClip
Еще один инструмент для монтажа, нарезает длинные видео на клипы. Подкаст, интервью или лекцию превращает в короткие ролики под соцсети
• Авто-нарезка на клипы с субтитрами, обложкой и текстом поста
• Адаптация под Douyin, TikTok, Reels, YouTube Shorts
• Кадр следует за говорящим
• До 10 готовых клипов на ролик
• Файл или ссылка на YouTube/Bilibili
• Монтаж и рендер локально, анализ модель на выбор
• Часовое видео — 10 клипов за 7-30 минут на M-серии Mac
• Десктоп, веб, CLI/MCP
MIT, платишь только за модели по своему ключу. v1.5.0 добавила десктоп, #CLI и #MCP
#videoediting #agent
MAX
Еще один инструмент для монтажа, нарезает длинные видео на клипы. Подкаст, интервью или лекцию превращает в короткие ролики под соцсети
• Авто-нарезка на клипы с субтитрами, обложкой и текстом поста
• Адаптация под Douyin, TikTok, Reels, YouTube Shorts
• Кадр следует за говорящим
• До 10 готовых клипов на ролик
• Файл или ссылка на YouTube/Bilibili
• Монтаж и рендер локально, анализ модель на выбор
• Часовое видео — 10 клипов за 7-30 минут на M-серии Mac
• Десктоп, веб, CLI/MCP
MIT, платишь только за модели по своему ключу. v1.5.0 добавила десктоп, #CLI и #MCP
#videoediting #agent
MAX
❤3
#QI21
huggingface.co/Qwen/Qwen-Image-2.1-Turbo - официальная Turbo-версия Qwen Image 2.1 от Qwen. И диффузионные модели Comfy-Org: huggingface.co/Comfy-Org/Qwen-Image-2.1/tree/main/diffusion_models
github.com/hypersniper05/MCP-Image-Generator-Uncensored - #MCP для Qwen 2.1: любой LLM-клиент с MCP управляет генерацией. 2K, панорамы, эдит до 10 картинок, бесшовные тайлы (нормали/высоты), апскейл до 8K, 360-вьювер, удаление вотермарков и фона, прозрачные PNG, текст в картинке. В Docker, пик 11GB VRAM #uncensored
huggingface.co/akhaliq/Qwen-Image-2.1-Multiple-Angles-LoRA - Multiple Angles: несколько ракурсов одного объекта для Qwen 2.1 #cameracontrol
Демо
MAX
huggingface.co/Qwen/Qwen-Image-2.1-Turbo - официальная Turbo-версия Qwen Image 2.1 от Qwen. И диффузионные модели Comfy-Org: huggingface.co/Comfy-Org/Qwen-Image-2.1/tree/main/diffusion_models
github.com/hypersniper05/MCP-Image-Generator-Uncensored - #MCP для Qwen 2.1: любой LLM-клиент с MCP управляет генерацией. 2K, панорамы, эдит до 10 картинок, бесшовные тайлы (нормали/высоты), апскейл до 8K, 360-вьювер, удаление вотермарков и фона, прозрачные PNG, текст в картинке. В Docker, пик 11GB VRAM #uncensored
huggingface.co/akhaliq/Qwen-Image-2.1-Multiple-Angles-LoRA - Multiple Angles: несколько ракурсов одного объекта для Qwen 2.1 #cameracontrol
Демо
MAX
👍18
This media is not supported in your browser
VIEW IN TELEGRAM
AgentGarten
Платформа от MirroS для обучения ИИ-агентов. Агент играет в виртуальные сценарии, каждый раз записывает, чему научился, и к следующей попытке играет лучше — заметно уже за 4-10 раундов.
Вместо человеческих инструкций — опыт. Агент учится, играя сам. Код и рендерер открыты
• Сценарий живет в виде кода, нейро-рендерер рисует его агенту в реальном времени
• Агент видит только кадры «своими глазами», как будто смотрит игру
• После каждой попытки пишет выводы, следующий заход стартует с них
• Разные задачи: построить укрытие, провести собаку, загнать овец, перевезти груз
github.com/MirroS-Lab/AgentGarten
huggingface.co/MirroS-Lab/AgentGarten-renderer
#agent
MAX
Платформа от MirroS для обучения ИИ-агентов. Агент играет в виртуальные сценарии, каждый раз записывает, чему научился, и к следующей попытке играет лучше — заметно уже за 4-10 раундов.
Вместо человеческих инструкций — опыт. Агент учится, играя сам. Код и рендерер открыты
• Сценарий живет в виде кода, нейро-рендерер рисует его агенту в реальном времени
• Агент видит только кадры «своими глазами», как будто смотрит игру
• После каждой попытки пишет выводы, следующий заход стартует с них
• Разные задачи: построить укрытие, провести собаку, загнать овец, перевезти груз
github.com/MirroS-Lab/AgentGarten
huggingface.co/MirroS-Lab/AgentGarten-renderer
#agent
MAX
👍7❤1
Trace2Env
Обычно агента запускают в готовой среде. Trace2Env переворачивает идею: среду играет сам агент. Из истории прошлых действий восстанавливается «книга мира», и по ней один агент симулирует окружение для другого.
Проще на примере — терминал. Ты («агент-задача») набираешь команды, а второй агент отвечает, как настоящий терминал. Удалил файл командой
Что умеет
• Строит симулятор среды из десятков записанных логов, без исходников
• Поддерживает состояние между командами
• Симулирует терминал, веб, Android, магазин и другие окружения
• Без обучения — только логи на входе
Знания о среде отделены от текущего состояния эпизода — среда не забывает что произошло
Гитхаб
Демо
#agent
Обычно агента запускают в готовой среде. Trace2Env переворачивает идею: среду играет сам агент. Из истории прошлых действий восстанавливается «книга мира», и по ней один агент симулирует окружение для другого.
Проще на примере — терминал. Ты («агент-задача») набираешь команды, а второй агент отвечает, как настоящий терминал. Удалил файл командой
rm — и через десять команд попытка его прочитать упадет с ошибкой, потому что агент-мир помнит состояние.Что умеет
• Строит симулятор среды из десятков записанных логов, без исходников
• Поддерживает состояние между командами
• Симулирует терминал, веб, Android, магазин и другие окружения
• Без обучения — только логи на входе
Знания о среде отделены от текущего состояния эпизода — среда не забывает что произошло
Гитхаб
Демо
#agent
🥴2👍1
Somora
Сайт для создания ИИ-песен из текста или музыкальной идеи, без работы с ComfyUI напрямую. Опиши стиль и настроение, напиши или сгенерируй текст — и получи готовый трек
• Песня с текстом или инструментальная композиция
• Выбор стиля, длительности, BPM и тональности
• Выбор языка песни
• Трек через ChatGPT-плагин (пишет лирику и заполняет форму)
• Скачивание в FLAC
• Бэкенд — Ace-Step 1.5 XL (SFT + SFT/Turbo), через свой ComfyUI-нод AceStep SFT
• Бесплатный тариф, для старта 2 генерации в день
• Есть платные Básico и Completo
#t2m
MAX
Сайт для создания ИИ-песен из текста или музыкальной идеи, без работы с ComfyUI напрямую. Опиши стиль и настроение, напиши или сгенерируй текст — и получи готовый трек
• Песня с текстом или инструментальная композиция
• Выбор стиля, длительности, BPM и тональности
• Выбор языка песни
• Трек через ChatGPT-плагин (пишет лирику и заполняет форму)
• Скачивание в FLAC
• Бэкенд — Ace-Step 1.5 XL (SFT + SFT/Turbo), через свой ComfyUI-нод AceStep SFT
• Бесплатный тариф, для старта 2 генерации в день
• Есть платные Básico и Completo
#t2m
MAX
👍4🤔1