🌅 Deemos Hyper3D WorldGen превращает одно изображение в редактируемую 3D-сцену

Китайская компания Deemos, создатель платформы Hyper3D, запустила модель генерации миров Hyper3D WorldGen. Она превращает одно изображение среды в мультиобъектную 3D-сцену, где мебель и предметы становятся независимыми ассетами — а не единой «запечённой» сеткой. Пользователь может автоматически или вручную выбрать главные объекты, после чего модель восстанавливает их пространственные и физические взаимосвязи: объекты можно выделять, двигать, заменять и готовить к интерактиву в общей системе координат.

В основе лежит исследование CAST (Component-Aligned 3D Scene Reconstruction from a Single RGB Image), получившее награду Best Paper на SIGGRAPH 2025. Оно достраивает скрытую геометрию, определяет контакты и опоры объектов и размещает их в физически правдоподобном общем пространстве. WorldGen переносит эту академическую базу в производственные пайплайны для игр, кино, XR и симуляций воплощённого интеллекта.

Демо-версии показывают предпросмотр одиночных объектов за несколько секунд, полных сцен — за пару минут. Режим SimReady оценивает массу, масштаб и трение, позволяя объектам реагировать на базовую физику, хотя разработчики называют эти параметры приближёнными, а не метрологическими. Интерактивные объекты остаются редактируемыми мешами, а фон может использовать 3D Gaussian Splatting для сохранения внешнего вида среды. Сцены экспортируются в Blender, Unity, PlayCanvas и Unreal Engine.

#Tech #AI #3D #Models #Deemos #WorldGen #Media

❓ Может ли ChatGPT создавать SVG-файлы: что работает на самом деле

ChatGPT умеет писать SVG-код, но не умеет превращать сгенерированные картинки в вектор. Это две разные возможности, и их путаница — причина того, что многие получают файл с расширением .svg, который ведёт себя как PNG при открытии в Figma.

Кодовый путь даёт настоящий вектор: попросите иконку-галочку 24×24 с обводкой 2px — получите валидную разметку с реальными path-данными, которую можно сохранить как icon.svg и редактировать по отдельным контурам. Генератор изображений (GPT Image 2) работает иначе: он выдаёт растр с фиксированными пиксельными размерами, без экспорта в SVG. Запрос на нативную реконструкцию image-to-SVG всё ещё висит в открытых фичреквестах OpenAI.

Хуже того, ChatGPT может «выдать файл»: запустить Python, записать .svg и дать ссылку — но внутри иногда лежит base64-картинка, обёрнутая в теги. Такой файл открывается без ошибок, но не редактируется, и его массово бракуют типографии и вышивальные производства.

Сильные места: простые геометрические иконки, правка существующей разметки (заменить все fill, нормализовать viewBox), объяснение и чистка path-синтаксиса. Слабые: модель не видит, что рисует, поэтому сложные иллюстрации разваливаются, а единый стиль набора иконок не держится — толщины обводок и радиусы придётся выравнивать вручную. Проверка проста: откройте файл в текстовом редакторе. Есть <path>, <circle>, <rect> — вектор настоящий; только <image> с длинной base64-строкой — подделка.

#AI #Image #Media #ChatGPT #Generation #SVG #Vectors

⚡️ Runway превращает генерацию видео в управляемый live-поток

Runway показала результаты исследований в области генерации видео в реальном времени. Вместо привычной схемы «ввёл промпт - ждёшь минуту - получил готовый ролик» пользователь будет стримить видео прямо во время описания, наблюдая за результатом и корректируя его на ходу.

В основе подхода - модель GWM-1 (General World Model), представленная в декабре 2025 года и построенная на Gen-4.5. Она генерирует видео кадр за кадром и принимает на вход движения камеры, команды роботов и аудио. Ключевая проблема - накопление ошибок: если текстовые модели исправляются по ходу предложения, то видео строится на предыдущем кадре, и мелкие артефакты разрастаются в серьёзные искажения. Runway решает это обучением модели на собственных результатах, чтобы она училась корректировать отклонения, а не усиливать их. Похожий приём использует Decart в MirageLSD, а Google DeepMind - в Genie 3.

Помимо удобства, компания указывает на экономику: быстрые модели тратят меньше GPU-времени, снижая порог рентабельности приложений. Главные долгосрочные сценарии - образование, игры и робототехника, где нужны среды, реагирующие мгновенно. Ранее Runway показала GWM Robotics для синтетических обучающих данных, а Waymo строит World Model на Genie 3 для симуляции редких сценариев. Сроки релиза не объявлены.

#AI #Runway #VideoGen #WorldModels #Media

❗️Recraft V4.1 Flash: самая быстрая модель генерации изображений

Recraft представила V4.1 Flash - модель, которая выдаёт изображение по промпту за 1,3 секунды и, по заявлению компании, является самой быстрой на рынке. Стоимость генерации заметно ниже, чем у полноценной V4.1, что делает длинные сессии перебора вариантов дешёвыми.

Главное здесь не только скорость, но и сохранение «почерка» Recraft: фотография, портреты, атмосфера, сложные сцены и ранние концепты. Разработчики позиционируют Flash как рабочий инструмент, где не теряется ход мысли между итерациями.

В блоге Recraft приводит сравнения с конкурентами. Flux 1 Schnell выдаёт студийный глянец и ломает физику (цветок из смесителя, парящая ваза), тогда как Flash оставляет лёгкие несовершенства, из-за чего кадр читается как настоящая фотография. Grok Imagine красиво стилизует, но не считает объекты по промпту - на запрос «7 морковок» нужное число не выдаёт. GPT Image 2 лучше держит текст на вывесках, но складывает их в плоскую стену шрифта. Flux 2 Klein даёт более аппетитный бургер, но заголовок превращается в нечитаемые буквы.

Модель доступна в Recraft Studio и через API, что позволяет встраивать быструю генерацию в автоматизированные визуальные пайплайны.

#AI #Recraft #ImageGen #Media #Design

🌐 Google представил ИИ-сорежиссёра для связных длинных видео

Google Research показал мультиагентную систему, которая планирует визуальную непрерывность в многосюжетных нарративах. Она работает как оркестрационный слой поверх Gemini и Veo и наследует защиту SynthID. Цель - убрать семантический дрейф (изменение костюма персонажа или локации между кадрами) и каскадные сбои, из-за которых ранняя ошибка ломает всю цепочку генерации.

Архитектура построена на четырёх компонентах. Co-Director формализует сторителлинг как глобальную оптимизацию: multi-armed bandit выбирает творческую конфигурацию по трём осям - стратегия, режим повествования и эстетический архетип, - после чего агенты пре-продакшена и продакшена собирают раскадровку и медиа. CANVAS ведёт постоянную визуальную память о персонажах, локациях и состояниях объектов. A²RD генерирует видео посегментно, переключаясь между экстраполяцией (движение сюжета) и интерполяцией (привязка к уже существующим сущностям). VQQA замыкает цикл: VLM-критики превращаются в «семантические градиенты» и итеративно правят текстовый промпт, а механизм Global Selection выбирает лучший результат по исходному запросу.

Практический смысл - минуты связного видео без ручного вмешательства: система сама ведёт промптинг, сшивку кадров и визуальную доработку, а пользователю остаётся режиссура. Оценки показывают заметный рост консистентности и сохранения персонажей.

#Tech #AI #GoogleResearch #Veo #Gemini #VideoGen #Media