Linguaggio, computer vision, audio, multimodale
Dire dove sta un oggetto nello spazio, quanto è grande e come è girato, a partire da una sola fotografia:…
Un gruppo dell'Università di Washington addestra un world-action model da 6 miliardi di parametri a prevedere non solo i prossimi…
Le planimetrie nascono vettoriali nei programmi CAD e circolano come immagini, e l'immagine ha perso tutto quello che serviva a…
I pianificatori di presa per mani robotiche a più dita finiscono quasi sempre per stringere l'oggetto a pugno, perché è…
Un gruppo di Graz rilegge il proprio metodo del 2024 per trovare comportamenti anomali nei video guardando solo le pose:…
Quando un modello visione-linguaggio sbaglia un problema di matematica su una figura, il più delle volte ha letto male la…
I modelli video accelerati per generare in quattro passi hanno un difetto curioso: se gliene si concedono di più, spesso…
MiniMax presenta H3, un generatore di video con audio stereo che promette di unire in un solo modello compiti finora…
Un report tecnico firmato da sei ricercatori mette GPT-6 Astra di OpenAI a comandare bracci robotici simulati, da solo o…
Fastino ha rilasciato GLiNER2.5, tre piccoli modelli per estrarre entità, relazioni e classi da un testo secondo uno schema dichiarato.…
