#unrealneural #AILAB #ЛабораторияИИ
GPT 5
Генерация геометрии в obj
Тестирую на архитектурные способности новую модель.
"Сгенерируй 5-этажное здание с террасами в стиле Ф. Л. Райта с окнами и деталями фасада."
GPT 5
Генерация геометрии в obj
Тестирую на архитектурные способности новую модель.
"Сгенерируй 5-этажное здание с террасами в стиле Ф. Л. Райта с окнами и деталями фасада."
😁6🤔2⚡1💩1🗿1
#unrealneural
R-Zero
От лаборатория Tencent AI
Структура, позволяющая большим языковым моделям самостоятельно развивать свои способности к рассуждению без использования данных, отобранных человеком, через автономный цикл "Испытатель-Решатель".
https://github.com/Chengsong-Huang/R-Zero
R-Zero
От лаборатория Tencent AI
Структура, позволяющая большим языковым моделям самостоятельно развивать свои способности к рассуждению без использования данных, отобранных человеком, через автономный цикл "Испытатель-Решатель".
https://github.com/Chengsong-Huang/R-Zero
👍3🔥3⚡1
#unrealneural
From GPT-2 to gpt-oss: Analyzing the Architectural Advances
Автор-исследователь анализирует новые открытые модели OpenAI — gpt-oss-120b и gpt-oss-20b, подчеркивая их архитектурные усовершенствования, включая оптимизацию памяти и механизмов внимания, по сравнению с GPT-2. Модели адаптированы для локального использования, что делает их доступными для разработчиков с ограниченными ресурсами. Информативный обзор, демонстрирующий стремительное развитие архитектуры моделей до нового уровня.
https://magazine.sebastianraschka.com/p/from-gpt-2-to-gpt-oss-analyzing-the?r=1csfkw
From GPT-2 to gpt-oss: Analyzing the Architectural Advances
Автор-исследователь анализирует новые открытые модели OpenAI — gpt-oss-120b и gpt-oss-20b, подчеркивая их архитектурные усовершенствования, включая оптимизацию памяти и механизмов внимания, по сравнению с GPT-2. Модели адаптированы для локального использования, что делает их доступными для разработчиков с ограниченными ресурсами. Информативный обзор, демонстрирующий стремительное развитие архитектуры моделей до нового уровня.
https://magazine.sebastianraschka.com/p/from-gpt-2-to-gpt-oss-analyzing-the?r=1csfkw
❤3⚡1👍1
#unrealneural #ЛабораторияИИ
GNN + BIM для генерирования планировок и автоматического формирования моделей
В статье "From Photons to Physics: Autonomous Indoor Drones and the Future of Objective Property Assessment"("От фотонов к физике: автономные дроны для помещений и будущее объективной оценки недвижимости") подробно отмечают тренд: обученные на тысячах проектов графовые нейросети могут генерировать планировки, сразу формируя соответствующие BIM‑объекты с корректной классификацией и связями по кодам. Это хороший маркер направления интеграции ИИ в BIM. Таким образом, связка GNN и BIM открывает путь к полностью автоматизированному проектированию, где архитектурная логика и нормативные требования соблюдаются уже на этапе генерации. В перспективе это позволит объединить проектирование, контроль и управление зданием в единую интеллектуальную систему, минимизируя человеческий фактор и ускоряя весь жизненный цикл объекта.
https://arxiv.org/html/2508.01965v1?
GNN + BIM для генерирования планировок и автоматического формирования моделей
В статье "From Photons to Physics: Autonomous Indoor Drones and the Future of Objective Property Assessment"("От фотонов к физике: автономные дроны для помещений и будущее объективной оценки недвижимости") подробно отмечают тренд: обученные на тысячах проектов графовые нейросети могут генерировать планировки, сразу формируя соответствующие BIM‑объекты с корректной классификацией и связями по кодам. Это хороший маркер направления интеграции ИИ в BIM. Таким образом, связка GNN и BIM открывает путь к полностью автоматизированному проектированию, где архитектурная логика и нормативные требования соблюдаются уже на этапе генерации. В перспективе это позволит объединить проектирование, контроль и управление зданием в единую интеллектуальную систему, минимизируя человеческий фактор и ускоряя весь жизненный цикл объекта.
https://arxiv.org/html/2508.01965v1?
⚡3👍2❤1
#unrealneural
CAD-Judge — верифицируемый text2CAD генератор
Описывается система с верифицируемым модулем оценки качества text2CAD моделей. Архитектура сочетает быстрый прямой сигнал вознаграждения (Compiler-as-a-Judge) и проверку результатов (Compiler-as-a-Review), а также агентный цикл для исправления ошибок генерации. Эксперименты подтверждают высокую точность и эффективность метода.
https://arxiv.org/html/2508.04002v1
CAD-Judge — верифицируемый text2CAD генератор
Описывается система с верифицируемым модулем оценки качества text2CAD моделей. Архитектура сочетает быстрый прямой сигнал вознаграждения (Compiler-as-a-Judge) и проверку результатов (Compiler-as-a-Review), а также агентный цикл для исправления ошибок генерации. Эксперименты подтверждают высокую точность и эффективность метода.
https://arxiv.org/html/2508.04002v1
🔥3👍2⚡1
#unrealneural
"Неравный брак. Продолжение."
Сходил в Третьяковскую галерею и не удержался пофантазировать на тему продолжения картины «Неравный брак» (Василий Пукирев, 1862).
Насколько же умны сейчас мультимодальные модели, что способны не только распознавать сюжет, придумывать оригинальное продолжение 😃 и детали, но и сохранять стилистику, передавая эмоции.
"Неравный брак. Продолжение."
Сходил в Третьяковскую галерею и не удержался пофантазировать на тему продолжения картины «Неравный брак» (Василий Пукирев, 1862).
Насколько же умны сейчас мультимодальные модели, что способны не только распознавать сюжет, придумывать оригинальное продолжение 😃 и детали, но и сохранять стилистику, передавая эмоции.
😁17🔥5
#unrealneural
Bifrost-1
Объединение мультимодальных моделей LLM и моделей диффузии с латентными элементами CLIP на уровне патчей
https://huggingface.co/papers/2508.05954
Bifrost-1
Объединение мультимодальных моделей LLM и моделей диффузии с латентными элементами CLIP на уровне патчей
https://huggingface.co/papers/2508.05954
❤2⚡1👍1
#unrealneural
MolmoAct
Модели действий, которые могут рассуждать в пространстве.
Через восприятие, планирование и управление создаются точные действия, превосходя конкурентов в симуляциях и реальных задачах. Модель легко адаптируется к новым условиям и демонстрирует выдающиеся результаты в сложных операциях.
https://huggingface.co/papers/2508.07917
MolmoAct
Модели действий, которые могут рассуждать в пространстве.
Через восприятие, планирование и управление создаются точные действия, превосходя конкурентов в симуляциях и реальных задачах. Модель легко адаптируется к новым условиям и демонстрирует выдающиеся результаты в сложных операциях.
https://huggingface.co/papers/2508.07917
⚡2👍2🔥1
#unrealneural #пытаюсьпонять
Registration beyond Points: General Affine Subspace Alignment via Geodesic Distance on Grassmann Manifold
Статья представляет новый метод для точного выравнивания объектов (прямых и плоскостей) в компьютерном зрении с использованием геодезического расстояния на многообразии Грассмана. Авторы разработали формулу, которая явно измеряет расстояние между подпространствами с учетом поворотов и смещений, используя базисы подпространств. Метод избегает неоднозначностей, находит глобально оптимальное решение и превосходит существующие подходы в задачах компьютерного зрения, улучшая сходимость и производительность.
Проще говоря, этот метод позволяет точно выравнивать объекты в компьютерном зрении, вычисляя оптимальное расстояние между подпространствами с учетом их поворотов и смещений, обеспечивая более эффективное решение по сравнению с предыдущими подходами.
* Многообразие Грассмана — это пространство всех ( k )-мерных линейных подпространств в ( n )-мерном векторном пространстве.
https://www.arxiv.org/abs/2507.17998
Registration beyond Points: General Affine Subspace Alignment via Geodesic Distance on Grassmann Manifold
Статья представляет новый метод для точного выравнивания объектов (прямых и плоскостей) в компьютерном зрении с использованием геодезического расстояния на многообразии Грассмана. Авторы разработали формулу, которая явно измеряет расстояние между подпространствами с учетом поворотов и смещений, используя базисы подпространств. Метод избегает неоднозначностей, находит глобально оптимальное решение и превосходит существующие подходы в задачах компьютерного зрения, улучшая сходимость и производительность.
Проще говоря, этот метод позволяет точно выравнивать объекты в компьютерном зрении, вычисляя оптимальное расстояние между подпространствами с учетом их поворотов и смещений, обеспечивая более эффективное решение по сравнению с предыдущими подходами.
* Многообразие Грассмана — это пространство всех ( k )-мерных линейных подпространств в ( n )-мерном векторном пространстве.
https://www.arxiv.org/abs/2507.17998
⚡2👍1😢1👌1
This media is not supported in your browser
VIEW IN TELEGRAM
#unrealneural
Matrix-Game 2.0
Интерактивная модель мира с открытым исходным кодом в реальном времени с большой продолжительностью действия.
На прошлой неделе Genie 3 от DeepMind выпустил интерактивные модели мира, работающие в режиме realtime.
Но они не были в открытом доступе.
25 кадров в секунду. Интерактивное взаимодействие длится несколько минут. Полностью открытый исходный код.
https://matrix-game-v2.github.io/
https://huggingface.co/Skywork/Matrix-Game-2.0
Matrix-Game 2.0
Интерактивная модель мира с открытым исходным кодом в реальном времени с большой продолжительностью действия.
На прошлой неделе Genie 3 от DeepMind выпустил интерактивные модели мира, работающие в режиме realtime.
Но они не были в открытом доступе.
25 кадров в секунду. Интерактивное взаимодействие длится несколько минут. Полностью открытый исходный код.
https://matrix-game-v2.github.io/
https://huggingface.co/Skywork/Matrix-Game-2.0
⚡2👍1
This media is not supported in your browser
VIEW IN TELEGRAM
#unrealneural
VertexRegen
Вместо типичных неполных меш моделей, которые получаются при их генерации с помощью авторегрессии, VertexRegen генерирует всё более подробные сетки по мере увеличения длины генерируемой последовательности.
vertexregen.github.io
VertexRegen
Вместо типичных неполных меш моделей, которые получаются при их генерации с помощью авторегрессии, VertexRegen генерирует всё более подробные сетки по мере увеличения длины генерируемой последовательности.
vertexregen.github.io
⚡2👍2❤1
#unrealneural
GLEAM: развитие 3D-картографирования
На ICCV 2025 представлена GLEAM — универсальная модель исследования для автономного картографирования сложных помещений.
GLEAM-Bench - Датасет из 1152 сцен для обучения и тестирования
https://github.com/zjwzcx/GLEAM
GLEAM: развитие 3D-картографирования
На ICCV 2025 представлена GLEAM — универсальная модель исследования для автономного картографирования сложных помещений.
GLEAM-Bench - Датасет из 1152 сцен для обучения и тестирования
https://github.com/zjwzcx/GLEAM
👍2⚡1🔥1