This media is not supported in your browser
VIEW IN TELEGRAM
LensErase
Базовая модель от Microsoft для удаления чего угодно с изображения: картинка + маска = чистый результат. Убирает объекты, текст, водяные знаки и их побочные эффекты.
• Удаление объектов, текста, водяных знаков и связанных с ними эффектов (тени, отражения)
• Работает на слоистых постерах, отражениях, нескольких объектах
• Один проход по маске — изображение и маска на входе, чистый кадр на выходе
• Пять категорий: общее, водяные знаки, большие маски, визуальный текст, постеры
Сравнивали с коммерческими GPT-Image2.5-Sunburst и Flux2-Erase, а также с открытыми OSOR, OmniPaint, ObjectClear и другими
Код ждем
Спасибо @m_franz
#objectremoval #inpainting #cleanup
MAX
Базовая модель от Microsoft для удаления чего угодно с изображения: картинка + маска = чистый результат. Убирает объекты, текст, водяные знаки и их побочные эффекты.
• Удаление объектов, текста, водяных знаков и связанных с ними эффектов (тени, отражения)
• Работает на слоистых постерах, отражениях, нескольких объектах
• Один проход по маске — изображение и маска на входе, чистый кадр на выходе
• Пять категорий: общее, водяные знаки, большие маски, визуальный текст, постеры
Сравнивали с коммерческими GPT-Image2.5-Sunburst и Flux2-Erase, а также с открытыми OSOR, OmniPaint, ObjectClear и другими
Код ждем
Спасибо @m_franz
#objectremoval #inpainting #cleanup
MAX
👍7🔥7❤3
Gemini 4 Argon
Флагманская модель Google открыта для всех: разработчиков, компаний и обычных пользователей. Заточена под сложные многоэтапные задачи — разработка, финансы, право, наука и кибербезопасность.
• $2 за млн входных токенов, $10 за млн выходных, кэшированный ввод со скидкой 95%
• До 1 млн токенов на вход и выход через Gemini API
• Доступ через AI Studio, Gemini API, Google Antigravity и приложение Gemini
#flagship #coding #agent
MAX
Флагманская модель Google открыта для всех: разработчиков, компаний и обычных пользователей. Заточена под сложные многоэтапные задачи — разработка, финансы, право, наука и кибербезопасность.
• $2 за млн входных токенов, $10 за млн выходных, кэшированный ввод со скидкой 95%
• До 1 млн токенов на вход и выход через Gemini API
• Доступ через AI Studio, Gemini API, Google Antigravity и приложение Gemini
#flagship #coding #agent
MAX
Google
Gemini 4 Argon: Built to solve your hardest problems
We’re giving developers, enterprises, scientists, and consumers access to Gemini 4 Argon, our latest frontier model.
🔥7🤷♂1
This media is not supported in your browser
VIEW IN TELEGRAM
Interfaze 1.1 Lite
Обновленная открытая модель Interfaze для работы с документами. Главная идея — несколько задач в одном запросе: распознавание текста, перевод и классификация сразу, а не тремя отдельными обращениями.
• OCR, перевод и классификация в одном вызове
• Заявлено +30% к скорости обработки документов и -44% к потреблению памяти на одной GPU
• Собственная лицензия interfaze-open, не Apache 2.0
Спасибо @Endorpheen
#classification #translation #ocr
MAX
Обновленная открытая модель Interfaze для работы с документами. Главная идея — несколько задач в одном запросе: распознавание текста, перевод и классификация сразу, а не тремя отдельными обращениями.
• OCR, перевод и классификация в одном вызове
• Заявлено +30% к скорости обработки документов и -44% к потреблению памяти на одной GPU
• Собственная лицензия interfaze-open, не Apache 2.0
Спасибо @Endorpheen
#classification #translation #ocr
MAX
👍6
ComfyUI-Drama3
Кастомные ноды для Fish Audio Drama 3 — 35B TTS-модели в ComfyUI. Клонирование голоса, диалоги и инлайн-подсказки вроде [sighs] или [whispers] работают на картах от 8 ГБ VRAM.
Запускается на 8 ГБ VRAM
HF
воркфлоу
#ComfyUI #tts #russian
MAX
Кастомные ноды для Fish Audio Drama 3 — 35B TTS-модели в ComfyUI. Клонирование голоса, диалоги и инлайн-подсказки вроде [sighs] или [whispers] работают на картах от 8 ГБ VRAM.
Запускается на 8 ГБ VRAM
HF
воркфлоу
#ComfyUI #tts #russian
MAX
GitHub
GitHub - PedroMarinhoDev/ComfyUI-Drama3: Fish Audio Drama 3 text to speech, natively in ComfyUI: voice cloning, dialogue and inline…
Fish Audio Drama 3 text to speech, natively in ComfyUI: voice cloning, dialogue and inline cues on cards from 8 GB, plus a native Qwen3-ASR. Built with Fish Audio. - PedroMarinhoDev/ComfyUI-Drama3
🔥6👍5
Media is too big
VIEW IN TELEGRAM
GroundingPI
4B фундаментальная модель на визуальных примитивах для локализации объектов — детекция, позиция, OCR и другие.
• Локализация точками и боксами как квантованные координаты в общем словаре
• Несколько grounding-задач: детекция, pointing, OCR, layout, GUI
• Как визуальный бэкбон улучшает робоманипуляцию и автопилот
• #SOTA на 34 бенчмарках, 11 возможностей восприятия: средний 73.68% против 71.54% у GPT-6 Astra
GroundAnything
Быстрая локализация через параллельное декодирование на диффузии
GroundAnything VLM
Высокая точность локализации авторегрессивной VLM
github.com/groundingpi/GroundAnything
huggingface.co/GroundingPI
huggingface.co/spaces/GroundingPI/groundanything-vlm
#vlm #ocr #detection
MAX
4B фундаментальная модель на визуальных примитивах для локализации объектов — детекция, позиция, OCR и другие.
• Локализация точками и боксами как квантованные координаты в общем словаре
• Несколько grounding-задач: детекция, pointing, OCR, layout, GUI
• Как визуальный бэкбон улучшает робоманипуляцию и автопилот
• #SOTA на 34 бенчмарках, 11 возможностей восприятия: средний 73.68% против 71.54% у GPT-6 Astra
GroundAnything
Быстрая локализация через параллельное декодирование на диффузии
GroundAnything VLM
Высокая точность локализации авторегрессивной VLM
github.com/groundingpi/GroundAnything
huggingface.co/GroundingPI
huggingface.co/spaces/GroundingPI/groundanything-vlm
#vlm #ocr #detection
MAX
👍9
This media is not supported in your browser
VIEW IN TELEGRAM
VideoJev
Адаптировали #rlcd #decision для понимания видео
Семейство открытых «System One» видеомоделей от NJU и JD.com. Объединяют временную локализацию и видео-QA через общий интерфейс оценки кандидатов — без авторегрессивного декодирования.
Видео-QA до 100-129× быстрее Thinking-режима
На QA качество сравнимо с бэкбонами в Thinking-режиме, но в разы быстрее. Точность высокая, но уверенность модели переоценена — calibration error ~8 пунктов
Гитхаб
HF
#vlm
MAX
Адаптировали #rlcd #decision для понимания видео
Семейство открытых «System One» видеомоделей от NJU и JD.com. Объединяют временную локализацию и видео-QA через общий интерфейс оценки кандидатов — без авторегрессивного декодирования.
Видео-QA до 100-129× быстрее Thinking-режима
На QA качество сравнимо с бэкбонами в Thinking-режиме, но в разы быстрее. Точность высокая, но уверенность модели переоценена — calibration error ~8 пунктов
Гитхаб
HF
#vlm
MAX
🔥3
This media is not supported in your browser
VIEW IN TELEGRAM
PureRef Connector
Плагин для #ComfyUI
Отправляет сгенерированные картинки прямо в PureRef — на референсный борд, разложенными в ряды. Работает через обычный Save Image, ничего в воркфлоу добавлять не нужно.
Только #Windows
#plugin
MAX
Плагин для #ComfyUI
Отправляет сгенерированные картинки прямо в PureRef — на референсный борд, разложенными в ряды. Работает через обычный Save Image, ничего в воркфлоу добавлять не нужно.
Только #Windows
#plugin
MAX
🔥11👍4❤1
Накопилось по #minimaxH3 - часть 33
#LoRA #upscale
github.com/xmarre/Comfyui_Minimax_h3_latent_Upscaler-Plus - латентный апскейлер от автора Spectrum
huggingface.co/Imagineer13/H3-Anti-Burn-LoRA - фикс пережженного переусложнённого лица при склейке турбо-клипов. Вешаешь только на продолжения (не на первый клип)
huggingface.co/yama-kiyo/MiniMax-H3-ORB360-Vertical-LoRA - вертикальный облет
civitai.com/models/964312/redcraft-and-dark-beast-loras - «взрыв-схема» объекта. Триггер
civitai.com/collections/18270307 - сборник слайдеров движения: инерция/импульс, амплитуда, прогрессивное ускорение, резкие смены, скорость
#workflow
civitai.com/articles/36538/comfyui-tutorial-consistent-ai-characters-in-minimax-h3-no-lora-training-with-6gb-vram - консистентные персонажи без LoRA на 6GB: одна картинка → Qwen 2.1 делает 8 ракурсов → RefMod ~100MB → сохранtнный персонаж #personalization
github.com/jiangge0804-crypto/collage-broll-minimax - коллаж-B-roll: строка озвучки → премиальный бумажный коллаж-клип
huggingface.co/no3us/minimax-h3-refmod-pilot - воркфлоу создания и тестирования #RefMods
civitai.red/models/2027766/bfs-best-face-swap - BFS #CharacterSwap LoRA: замена главного персонажа в гайд-видео с сохранением движения, мимики, камеры
github.com/sepiablue-ai/ComfyUI-H3-AudioFirst-X2-Stream - голос сначала: 8-шаговый аудио-проход на крошечном 32×32, затем голос «залочен» для генерации видео
github.com/chanon/comfyui-obvpm-timeline - обновление таймлайна obvpm: новый воркфлоу, превью через taeh3
#COMFYUI
github.com/noembryo/ComfyUI-noEmbryo#h3-clip-refiner - рефайнер: генеративный ресемпл дорисовывает мелкие детали, оставляя низкие частоты — фон не плывет.
#LoRA #upscale
github.com/xmarre/Comfyui_Minimax_h3_latent_Upscaler-Plus - латентный апскейлер от автора Spectrum
huggingface.co/Imagineer13/H3-Anti-Burn-LoRA - фикс пережженного переусложнённого лица при склейке турбо-клипов. Вешаешь только на продолжения (не на первый клип)
huggingface.co/yama-kiyo/MiniMax-H3-ORB360-Vertical-LoRA - вертикальный облет
civitai.com/models/964312/redcraft-and-dark-beast-loras - «взрыв-схема» объекта. Триггер
Exploded View Diagramcivitai.com/collections/18270307 - сборник слайдеров движения: инерция/импульс, амплитуда, прогрессивное ускорение, резкие смены, скорость
#workflow
civitai.com/articles/36538/comfyui-tutorial-consistent-ai-characters-in-minimax-h3-no-lora-training-with-6gb-vram - консистентные персонажи без LoRA на 6GB: одна картинка → Qwen 2.1 делает 8 ракурсов → RefMod ~100MB → сохранtнный персонаж #personalization
github.com/jiangge0804-crypto/collage-broll-minimax - коллаж-B-roll: строка озвучки → премиальный бумажный коллаж-клип
huggingface.co/no3us/minimax-h3-refmod-pilot - воркфлоу создания и тестирования #RefMods
civitai.red/models/2027766/bfs-best-face-swap - BFS #CharacterSwap LoRA: замена главного персонажа в гайд-видео с сохранением движения, мимики, камеры
github.com/sepiablue-ai/ComfyUI-H3-AudioFirst-X2-Stream - голос сначала: 8-шаговый аудио-проход на крошечном 32×32, затем голос «залочен» для генерации видео
github.com/chanon/comfyui-obvpm-timeline - обновление таймлайна obvpm: новый воркфлоу, превью через taeh3
#COMFYUI
github.com/noembryo/ComfyUI-noEmbryo#h3-clip-refiner - рефайнер: генеративный ресемпл дорисовывает мелкие детали, оставляя низкие частоты — фон не плывет.
🔥8👍4❤1
Media is too big
VIEW IN TELEGRAM
ATAS (Any Time, Any Space)
Просто атас фреймворк от ziplab для генерации видео по сценарию (шутки за 200). Держит общее состояние мира, чтобы сцены и события оставались согласованными даже в несоседних кадрах.
• Скрипт компилируется в запросы на кадры с явными локацией, камерой и временем события
• Две памяти: сцена со статической геометрией и события с динамикой по сцене, событию и времени
• Перед генерацией достаёт доказательства из памяти, после — реконструирует клип и регистрирует его
• Память обновляется только если отзыв и проверка состояния приняли наблюдение
• Кадр остается в фильме независимо от того, попал ли он в постоянное состояние
Разделение статической геометрии и динамики — ключевое: похожий кадр не подтянется, если он из другого события. Остается сложным точное воспроизведение «действие + состояние»
Гитхаб
Демо
#consistency
Просто атас фреймворк от ziplab для генерации видео по сценарию (шутки за 200). Держит общее состояние мира, чтобы сцены и события оставались согласованными даже в несоседних кадрах.
• Скрипт компилируется в запросы на кадры с явными локацией, камерой и временем события
• Две памяти: сцена со статической геометрией и события с динамикой по сцене, событию и времени
• Перед генерацией достаёт доказательства из памяти, после — реконструирует клип и регистрирует его
• Память обновляется только если отзыв и проверка состояния приняли наблюдение
• Кадр остается в фильме независимо от того, попал ли он в постоянное состояние
Разделение статической геометрии и динамики — ключевое: похожий кадр не подтянется, если он из другого события. Остается сложным точное воспроизведение «действие + состояние»
Гитхаб
Демо
#consistency
👍9😱4❤1
This media is not supported in your browser
VIEW IN TELEGRAM
Player-1
Игровые чемпионаты не будут прежними. наверно.
Фреймворк от Tencent: агент учится играть в игры не по демонстрациям, а через собственный опыт. Небольшие доработки computer-use агента — и он рулит играми.
Опыт из синтетических миров переносится на игры вне RL-набора. Базовые модели — Qwen3.5-9B и 35B-A3B
Код / веса ждем
#gaming #agent
MAX
Игровые чемпионаты не будут прежними. наверно.
Фреймворк от Tencent: агент учится играть в игры не по демонстрациям, а через собственный опыт. Небольшие доработки computer-use агента — и он рулит играми.
Опыт из синтетических миров переносится на игры вне RL-набора. Базовые модели — Qwen3.5-9B и 35B-A3B
Код / веса ждем
#gaming #agent
MAX
🔥8😁2
This media is not supported in your browser
VIEW IN TELEGRAM
Gausify Orbit
Превращает облетные 360-видео в гауссианы в браузере. На вход клип вокруг объекта, телефонное видео или папка картинок — на выходе 3D-сплат для просмотра, экспорта и шеринга.
• Все локально на WebGPU
• Оставляет самый резкий кадр в каждом окне, ровно по орбите
• Вырезание объекта: SAM 2.1 на WebGPU, RMBG-1.4 или хромакей
• Позы камеры своим SfM для браузера, без COLMAP
• Обучение Brush в WASM+WebGPU с живым превью
• Экспорт .ply или SOG, файлы в 5-15× меньше
• Приватная истекающая ссылка с QR, вьюер для телефонов и VR/AR
В обновлении:
• Дорисовка ракурсов, которых в видео не было: рендер по новой траектории, восстановление видеомоделью в #ComfyUI и дообучение сплата
• Свои воркфлоу ComfyUI с полями промпта, сида и LoRA
• Проект сохраняется в .gorbit, этапы можно гонять по отдельности
github.com/obraia/gausify-orbit
#gaussian
MAX
Превращает облетные 360-видео в гауссианы в браузере. На вход клип вокруг объекта, телефонное видео или папка картинок — на выходе 3D-сплат для просмотра, экспорта и шеринга.
• Все локально на WebGPU
• Оставляет самый резкий кадр в каждом окне, ровно по орбите
• Вырезание объекта: SAM 2.1 на WebGPU, RMBG-1.4 или хромакей
• Позы камеры своим SfM для браузера, без COLMAP
• Обучение Brush в WASM+WebGPU с живым превью
• Экспорт .ply или SOG, файлы в 5-15× меньше
• Приватная истекающая ссылка с QR, вьюер для телефонов и VR/AR
В обновлении:
• Дорисовка ракурсов, которых в видео не было: рендер по новой траектории, восстановление видеомоделью в #ComfyUI и дообучение сплата
• Свои воркфлоу ComfyUI с полями промпта, сида и LoRA
• Проект сохраняется в .gorbit, этапы можно гонять по отдельности
github.com/obraia/gausify-orbit
#gaussian
MAX
👍15🔥2
AReA
Метод внимания для диффузионных трансформеров. Дает генерацию в высоком разрешении без обучения на FLUX.1, Qwen-Image, FLUX.2 и Ideogram 4.
• До 3.2х быстрее полного внимания на 6144² у FLUX.1, 2.9х у Qwen-Image
• До 6х к нативной стороне, 67 МП
• Без обучения, веса не трогаются
Эффект нарастает с разрешением, где внимание и становится узким местом
Поддержка FLUX.1-Krea-dev есть, остальные ждем
Гитхаб
Спасибо @m_franz
#4k #t2i
MAX
Метод внимания для диффузионных трансформеров. Дает генерацию в высоком разрешении без обучения на FLUX.1, Qwen-Image, FLUX.2 и Ideogram 4.
• До 3.2х быстрее полного внимания на 6144² у FLUX.1, 2.9х у Qwen-Image
• До 6х к нативной стороне, 67 МП
• Без обучения, веса не трогаются
Эффект нарастает с разрешением, где внимание и становится узким местом
Поддержка FLUX.1-Krea-dev есть, остальные ждем
Гитхаб
Спасибо @m_franz
#4k #t2i
MAX
👍6🔥5❤1
This media is not supported in your browser
VIEW IN TELEGRAM
SchemaPose
Модель для оценки категориальной 9D-позы объектов по одному RGB-изображению. NeurIPS 2026, #SOTA среди RGB-методов.
Код ждем
#image2pose
MAX
Модель для оценки категориальной 9D-позы объектов по одному RGB-изображению. NeurIPS 2026, #SOTA среди RGB-методов.
Код ждем
#image2pose
MAX
🔥6