🟥Diffusion Week 2026: предварительное расписание

Хотим напомнить про наше новое мероприятие — Diffusion Week 2026!

Это серия онлайн-лекций о диффузионных моделях от DLS, которая пройдет с 29 октября по 6 ноября, в рамках которой мы разберём основы и углубимся в актуальные направления исследований: видеодиффузия, world models, интерпретируемость и ускорение диффузионных моделей. Полное расписание уже доступно на сайте.

🔵 Среди спикеров — команды и исследователи Kandinsky и AIRI. Все лекции проходят по вечерам в онлайн-формате!

🔵Как участвовать?

Вступайте в чат Diffusion Week и подключайтесь к трансляциям!

🔵А соревнование будет?

Да! Параллельно мы запустим соревнование по мультиконцептной персонализации.

Задача: научить модель генерировать несколько заданных объектов на одном изображении, не смешивая их между собой. Соревнование пройдёт в трёх треках, все детали опубликуем чуть позже 🙏

🎉 Готовьтесь к увлекательному погружению в латентное пространство диффузионных моделей, и до встречи! В скором времени мы выложим дополнительную подборку которы можно посмотреть до начала 🍸

🌟 MIT CSAIL опубликовала модель разметки анатомии на рентгеновских снимках

MIT вместе с коллегами из Массачусетской больницы общего профиля и Гарвардской медицинской школы сделала модель FleXray, которая находит и выделяет на снимке 60 анатомических структур, от рёбер и позвонков до костей таза и конечностей.

Модель работает с разными областями тела, стандартными и косыми проекциями, кадрами рентгеноскопии во время операций, снимками взрослых и детей.

На размеченных структурах можно автоматически делать измерения, например угла искривления позвоночника при сколиозе, или сопоставлять кадры рентгеноскопии с трёхмерной КТ для навигации во время вмешательств.

Патологии модель не ищет, только анатомию, и правую сторону от левой не отличает.

Внутри свёрточная сеть U-Net, снимок перед обработкой приводится к размеру 256 на 256 пикселей. Для максимального качества пять таких сетей работают ансамблем.

🟡Тесты

На восьми наборах реальных снимков с разметкой FleXray набрала в среднем 0,875 по коэффициенту Dice, который показывает, насколько выделенная область совпадает с эталонной, от 0 до 1.

Универсальные PAXray, TotalSegmentator2D и FluoroSAM она обошла на семи наборах из восьми.

Сети nnU-Net, которые обучали отдельно под каждый набор, набрали в среднем 0,914.

В оценке сколиоза средняя ошибка в угле искривления составила 5,13 градуса против 6,38 у TotalSegmentator2D.

При совмещении кадров рентгеноскопии с КТ медианная ошибка снизилась с 335 до 1,2 мм.

Попробовать FleXray можно в браузерной демоверсии, которая работает локально через WebGPU.

📌Лицензирование: CC-BY-NC-4.0


🟡Страница проекта
🟡Модель
🟡Arxiv
🟡Демо
🖥GitHub


@ai_machinelearning_big_data

#AI #ML #CV #Medical #Segmentation #FleXray

📌Baseten выпустила бесплатный учебник по инженерии инференса

Платформа, которая хостит модели Cursor, Notion и Harvey, выложила в открытый доступ книгу Inference Engineering за авторством Филипа Кайли. который четыре года работает в Baseten и написал её по интервью с инженерами компании и собственным докладам.

Среди рецензентов - автор FlashAttention Три Дао.

Книга собирает в одном месте путь от выбора модели и GPU до мониторинга работающего сервиса.

Baseten основана в 2019 году тремя выходцами из Gumroad, четвёртым сооснователем стал Панкадж Гупта из Uber.

Компания продаёт выделенные развёртывания открытых и собственных моделей клиентов, готовые Model APIs и инфраструктуру для дообучения, а также развивает открытый фреймворк упаковки моделей Truss.

Восемь глав объясняют, как сформулировать требования к продукту, как устроены модели и где они тормозят, прежде всего в механизме внимания, разбирают GPU NVIDIA поколений Hopper и Blackwell и программный уровень, от CUDA и PyTorch до движков vLLM, SGLang, TensorRT-LLM и Dynamo.

Отдельные главы посвящены методам ускорения, моделям для речи, изображений и видео, а также эксплуатации - от автомасштабирования и батчинга до постепенной выкатки новых версий.

Новичку книга даёт карту области и порядок действий - как определить задачу, бюджет задержки, стоимости и подобрать модель, а в последующем заняться оптимизацией.

Базовые понятия вроде предзаполнения, декодирования и KV-кэша объяснены с нуля, а незнакомые термины можно найти в глоссарии.

Опытным инженерам будут интересны пороги и практические правила. Для каждой техники ускорения автор объясняет, как она устроена, при каком трафике и размере модели окупается и чем рискует качество ответов.

Отдельно сравниваются движки инференса и разобраны задачи эксплуатации, которые обычно приходится решать методом проб и ошибок.

Последний раздел посвящён продуктам компании, а оборудование рассматривается почти целиком на примере NVIDIA, другим ускорителям отведено около двух страниц.

🔜 Запросить книгу бесплатно в форматах PDF, EPUB или аудиоверсию


@ai_machinelearning_big_data

#AI #ML #Inference #Book #Baseten

📌 В UCLA собрали двуногого робота за 400 долларов на безе смартфона

Двуногий робот PhoneBot ростом 48 см и весом 1,8 кг использует обычный Android-смартфон одновременно как камеру, датчик положения тела и бортовой компьютер.

Без телефона детали робота обходятся примерно в 400 долларов, а близкие по размеру гуманоиды, с которыми авторы сравнивают PhoneBot, стоят от 3,5 до 13,8 тысячи долларов.

Смартфон закреплён на корпусе и его гироскоп и акселерометр служат датчиками равновесия, а камера – глазами робота.

Нейросеть, управляющая ходьбой, работает на процессоре телефона и по Wi-Fi передаёт целевые положения суставов небольшому бортовому компьютеру, а тот раздаёт команды 13 сервоприводам Dynamixel (24 доллара за штуку.

По шесть приводов стоят в каждой ноге, ещё один поворачивает корпус, чтобы камера следила за человеком, не разворачивая всего робота.

Распознавание людей и их поз, а также построение карты помещения тоже идут на телефоне, а вот речь он только записывает и озвучивает ответ, распознавание и языковая модель работают на отдельной машине.

Приложение проверили на Honor 9 2017 года и трёх новых бюджетных моделях по 50–80 долларов - Moto G 2024, Moto G 2025 и Galaxy A16 5G. На испытаниях робот ходил, поднимался из положения лёжа и следил за человеком.

Нейросеть для ходьбы занимала от 6 до 10% процессора, построение карты – до 34%.

Рук у PhoneBot пока нет, ходить его учили только по ровной поверхности, а слабые сервоприводы ограничивают и полезную нагрузку, и динамичные движения.

Авторы собираются добавить лёгкие руки, научить робота ходить по неровной поверхности и перенести языковую модель на сам смартфон.


@ai_machinelearning_big_data

#news #ai #ml