V-JEPA 2.1

Очередная JEPA от facebookreserach

Понимает видео и изображения без явных подсказок и разметки

выдаёт качественные и согласованные во времени признаки

Может работать одновременно и с изображениям и с видео

Прикольно они на диаграмме подписали V-JEPA 2.5, опечатка или палево?

#segmentation #video2mask #video2feature

Еще новинки в семействе LingBot

LingBot-Vision

Vision-модель для роботов и мобилок
Ловит границы, глубину, геометрию сцены. Не "что на фото", а "где края и как далеко"

• 4 размера: от 13M до 1.1B параметров
• self-supervised обучение без разметки
• обгоняет DINOv3 при кратно меньших параметрах

Apache-2.0, веса открыты, подходит для edge и роботов

Гитхаб
HF
———

LingBot-Depth 2.0

Считает глубину по фото, строит 3D-карту сцены. Справляется на сложных текстурах, с прозрачностью и в слабом свете.

• оценка глубины с учётом семантики сцены
• работа с мультимодальными входами (RGB + признаки)

Подходит для мобильных и edge-устройств.

Волшебно, но ссылок на саму модель нет 🤷‍♂️

#vlm #cv #video2depth #video2feature

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