#unrealneural
Vecformer - transformer, использующий линии для задачи распознавания примитивов на векторных чертежах.

https://arxiv.org/abs/2505.23395

#unrealneural
Создание концепции мастер плана без 3д от STF Labs

Заставляет задуматься и пофантазировать о рабочем пайплайне без 3д моделирования 🙃

#unrealneural
Исследователи NVIDIA утверждают, что малые языковые модели (SLM) — это будущее агентного ИИ.

Более того, они предлагают метод преобразования существующих систем агентов с использования LLM на SLM, который может работать на практике.

https://arxiv.org/abs/2506.02153

#unrealneural
Sim Studio - это конструктор рабочих процессов агентов ИИ с открытым исходным кодом.
Интерфейс Sim Studio - способ быстрого создания и развертывания LLM, которые подключаются к любимым инструментам.

https://github.com/simstudioai/sim

#unrealneural

Fact Checker

Находит ошибки и исправляет факты в созданных ИИ блогах и статьях.

Полностью бесплатно и с открытым исходным кодом.

https://demo.exa.ai/hallucination-detector

#unrealneural
Dynamic Neural Point Clouds

В статье представлен новый метод синтеза новых видов динамических сцен из монокулярного видео, например, снятого на смартфон, с использованием динамического нейронного облака точек (DNPC). Интеграция априорных данных, таких как оценка глубины и сегментация объектов, позволяет устранить неоднозначности движения и глубины, ускоряя оптимизацию и повышая качество изображения. Метод демонстрирует высокое качество на тестовых последовательностях, быструю оптимизацию и поддержку интерактивных приложений в реальном времени.

https://moritzkappel.github.io/projects/dnpc/index.html

#unrealneural #пытаюсьпонять
Lost in Latent Space

В статье исследуют использование латентных диффузионных моделей для быстрой и точной эмуляции динамических систем, показывая их устойчивость к сжатию до 1000x и превосходство над негенеративными методами за счет разнообразия предсказаний. Высокая вычислительная стоимость диффузионных моделей ограничивает их применение, поэтому авторы предлагают генерацию в латентном пространстве автоэнкодера, как в обработке изображений и видео. Эмуляция в латентном пространстве сохраняет точность, компенсирует неопределенность и требует тщательного выбора архитектур и оптимизаторов. Автоэнкодеры, используемые для сжатия данных в латентное пространство, позволяют эффективно представлять сложные системы, минимизируя вычислительные затраты, что особенно востребовано в задачах обработки изображений для генерации и реконструкции визуальных данных.

https://huggingface.co/papers/2507.02608

#unrealneural #простокрасиво
Солнце

#unrealneural
BrepDiff

Простая одноэтапная модель диффузии для генерации граничных представлений (breps).

Она обрабатывает каждую грань САПР как «замаскированную UV-сетку» точечных образцов, сглаживает эти сетки в токены и запускает один проход диффузионно-преобразователя.
https://brepdiff.github.io/interactive/interactive.html