Ожившие лица в кино: реалистичная замена лиц для профессионального видеомонтажа

В представленной работе демонстрируется стабильное сохранение целевой идентичности при замене лиц в разнообразных видеоматериалах, при этом достигается высокая точность передачи деталей даже в сложных условиях, таких как перекрытия, профильные виды и меняющееся освещение.

Новый метод позволяет создавать высококачественную замену лиц в видео, сохраняя естественность и плавность картинки даже в длинных роликах.

Самообучающаяся инфраструктура данных: Возможно ли полное автоматическое управление?

В подходе Agentic DataOps, система обработки данных развивается итеративно: неудовлетворительные результаты аналитики запускают каскад изменений, охватывающих всю инфраструктуру - от добавления новых источников данных и обновления хранилища до повторной обработки и построения новых аналитических моделей, демонстрируя, что каждая архитектурная оптимизация несет в себе потенциал будущих сбоев и требует постоянной адаптации.

В статье рассматривается концепция создания полностью автономной инфраструктуры данных, управляемой искусственным интеллектом, способной к самоорганизации и непрерывной оптимизации.

Разумные нити: ускорение логических вычислений в больших языковых моделях

Новая архитектура ThreadWeaver позволяет значительно сократить время ответа языковых моделей при решении сложных задач, сохраняя при этом точность.

Постигая химическую интуицию: как нейросети учатся понимать молекулы

В рамках исследования, представления, извлеченные из SMI-TED, преобразуются в признаки с помощью модели SAE, после чего эти признаки интерпретируются для выявления связей со структурной и физической информацией, что позволяет установить взаимозависимости между характеристиками данных и их физическим воплощением.

Новое исследование показывает, как можно извлечь осмысленные признаки из моделей машинного обучения, работающих с химическими данными, и понять, как они представляют знания о молекулах.

Код, который думает: DeepCode и будущее воспроизводимости научных исследований

Глубокий код представляет собой комплексную структуру, позволяющую осуществлять анализ и понимание программного обеспечения на принципиально новом уровне, раскрывая скрытые закономерности и уязвимости в коде посредством сложного взаимодействия модулей и алгоритмов.

Новая платформа DeepCode позволяет автоматически преобразовывать научные статьи в исполняемый код, открывая новые возможности для проверки и воспроизведения результатов.

Умный город: как искусственный интеллект ускоряет исследования городской среды

Автоматизированный цикл научных исследований в области урбанистики, представленный здесь, демонстрирует, как система искусственного интеллекта способна поддерживать весь процесс - от выявления ключевых тем и формирования гипотез до поиска релевантных данных, автоматического кодирования и интерпретации результатов, вплоть до составления финального научного доклада, интегрируя идею, междисциплинарный синтез знаний и анализ данных.

Новая система на базе искусственного интеллекта позволяет автоматизировать и ускорить процесс изучения городских процессов, объединяя данные, знания и аналитические инструменты.

Полимеры и Искусственный Интеллект: Новый Подход к Прогнозированию Свойств

Исследователи разработали инновационную систему, объединяющую глубокое понимание химической структуры полимеров с возможностями современных языковых моделей.

Текст под прицелом: Искусственный интеллект и судебная лингвистика

Появление генеративных моделей искусственного интеллекта ставит перед судебной лингвистикой новые задачи и требует пересмотра традиционных методов анализа текстов.

Маленькие модели – большие возможности: Искусственный интеллект в поиске онкологических исследований

Анализ удаления слов в статье 91 с использованием Qwen2.5 показал, что, как и ожидалось, удаление ключевого термина “MMTV” снизило релевантность, однако удаление других значимых терминов, таких как “microRNAs”, неожиданно привело к её повышению, демонстрируя чувствительность модели к биомедицинской терминологии и сложность оценки релевантности на основе простого исключения ключевых слов.

Новое исследование демонстрирует, что компактные языковые модели способны эффективно анализировать научную литературу в области онкологии и микробиологии, обеспечивая сопоставимую с крупными моделями точность.