Tag
Všetky publikované články, v ktorých sa téma multimodal AI objavuje ako dôležitý kontext. Aktuálne 3 textov v archíve.
Nový technický post na Hugging Face rozpisuje, ako doladiť svetový model Cosmos Predict 2.5 pre generovanie robotických trajektórií pomocou LoRA a DoRA. Cieľom je lacnejšie vytváranie syntetických videí a dát pre robotické učenie.
Luma sprístupnila API pre Uni-1.1, teda model, ktorý spája jazykové uvažovanie a generovanie obrazu v jednom behu. Firma tvrdí, že tým znižuje latenciu aj cenu a súčasne zlepšuje prácu s viacobmedzovými zadaniami.
Výskum GIST navrhuje pipeline, ktorá z mobilného point cloudu vytvorí sémanticky anotovanú topológiu priestoru a zlepší navigáciu ľudí aj embodied AI v komplikovaných vnútorných prostrediach.