Bild- & Video-KI News

15:47 Modelle & Forschung

Neuer Ansatz zur KI-gestützten Videobearbeitung mit mehreren Instanzen

KI-gestützte Videobearbeitung revolutioniert: MIVE ermöglicht präzise Bearbeitung mehrerer Objekte in Videos. Nie wieder ungewollte Effekte!

15:47 Unternehmen & Märkte

Magnifics Entwicklung: Vom Upscaler zum innovativen KI-Bildgenerator

Vom Upscaler zum KI-Bildgenerator: Das spanische Startup Magnific präsentiert Super Real, ein neues Modell für realistische Bilder.

15:47 Google

Gemini 2.0: Fortschritte in der Sprach- und Video-Chat-Technologie mit Künstlicher Intelligenz

Gemini 2.0 revolutioniert KI-Kommunikation! Sprach- & Video-Chat-Integration durch @_akhaliq verspricht neue Möglichkeiten für Mensch-Computer-Interaktion.

15:47 Modelle & Forschung

Neuartige Methode zur subjektgesteuerten Videomanipulation mit SUGAR

Erstelle Videos aus nur einem Bild! SUGAR ermöglicht subjektgesteuerte Videoanpassung per Texteingabe – ganz ohne Finetuning. Erlebe Zero-Shot-Videogenerierung mit beeindruckender Identitätstreue & Dynamik.

15:47 Modelle & Forschung

Ein neuer Meilenstein in der Video-Tokenisierung mit VidTok

VidTok: Ein neuer Open-Source Video-Tokenizer setzt Maßstäbe in Performance & Flexibilität. Er kombiniert innovative Techniken für diskrete & kontinuierliche Tokenisierung und übertrifft bisherige Modelle.

15:47 Modelle & Forschung

ChatDiT: Ein innovativer Ansatz zur interaktiven Bildgenerierung mit vortrainierten Diffusions-Transformern

ChatDiT: Revolutionäre interaktive Bildgenerierung durch vortrainierte Diffusions-Transformer. Erstelle Bilderbücher, Designs & mehr via natürlichsprachlichem Chat, ganz ohne Training!

15:47 Praxis & Anwendung

Effiziente Diffusion Transformer für Multitask-Lernen durch den Einsatz von Experten-Denoisern

Effiziente Diffusion Transformer Policies (MoDE) für Multitask-Lernen. MoDE übertrifft aktuelle Transformer-basierte Architekturen durch Sparse Experts & Noise-Conditioned Routing, reduziert aktive Parameter um 40% und Inferenzkosten um 90%. State-of-the-Art-Ergebnisse auf CALVIN & LIBERO Benchmarks.

15:47 Robotik

Neuartige Ansätze zur humanoiden Posensteuerung durch maschinelles Lernen aus Videodaten

Lernen Sie, wie humanoide Roboter durch maschinelles Lernen mit riesigen Videodatenmengen menschliche Bewegungen imitieren.

15:47 Modelle & Forschung

Objektintegration in Szenen durch affordanzenbewusste Dual-Diffusion-Techniken

Verbessere deine Bildkompositionen! Affordance-Aware Dual Diffusion (MADD) ermöglicht die realistische Integration von Objekten in Szenen durch Berücksichtigung von Handlungsmöglichkeiten.

15:47 Modelle & Forschung

Neue Ansätze in der Videosynthese: 3D-Trajektorien für kreative Anwendungen in der Künstlichen Intelligenz

Revolutionäre Videosynthese mit LeviTor: Erzeuge dynamische Videos aus statischen Bildern dank 3D-Trajektorien. Intuitive Steuerung der Objektbewegung & fotorealistische Ergebnisse.

15:47 Modelle & Forschung

Neuer Ansatz zur Generierung realistischer menschlicher Bewegungen aus 2D-Bildern und Textbeschreibungen

Realistische menschliche Bewegungen in Videos generieren mit 2D-Bildern & Textvorgaben! Move-in-2D nutzt ein Diffusionsmodell für szenen- & textbasierte Bewegungssequenzen.

12:30 Google

Googles Veo 2: Fortschritte in der KI-Videogenerierung und neue Wettbewerbsdynamik

Google Veo 2: Die neue KI-Videogenerierung erstellt beeindruckende 4K-Videos aus Texten & Bildern. Konkurrenz für OpenAIs Sora im wachsenden KI-Videomarkt. Realistische Bewegungen, präzise Details & fortschrittliche Kameraführung.

12:30 Modelle & Forschung

Neuer Ansatz zur Verbesserung des Videoverständnisses in multimodalen Modellen

Apollo: Tiefer Einblick ins Videoverständnis großer KI-Modelle. Die Studie enthüllt Skalierungskonsistenz & optimierte Designentscheidungen für effizientes Videotraining. Neue Benchmarks & State-of-the-Art-Modelle setzen Maßstäbe für zukünftige Video-LMMs.

Auch: Videoverständnis in multimodalen Modellen Eine Analyse der Apollo-Studie

12:30 Google

Googles Veo: Fortschritte in der generativen KI-Videoproduktion

Googles Veo: Ein neuer KI-Meilenstein in der Videogenerierung? Der Artikel untersucht Googles KI-Modell Veo, das hochauflösende Videos aus Text & Bild erstellt. Funktionsweise, Stärken, Schwächen & Auswirkungen auf die Videoproduktion werden analysiert.

12:30 Google

Googles Whisk: Ein neuer Ansatz zur visuellen Bildgenerierung

Google Whisk: Bilder generieren durch Kombination visueller Vorgaben! Mit Googles KI-Experiment Whisk kreierst du neuartige Bilder mithilfe verschiedener visueller und textueller Eingaben. Teste das KI-Tool jetzt in den Google Labs (USA only).

Auch: Googles Whisk: Innovatives KI-Tool zur kreativen Bildgenerierung

12:30 Modelle & Forschung

Neuartige Verfahren zur Generierung interaktiver 3D-Szenen aus Einzelbildern

Erstellung interaktiver 3D-Welten aus Einzelbildern: Neue Verfahren revolutionieren Szenengenerierung in VR, Gaming & Design.

12:11 Meta

Meta präsentiert neues Open-Source-Wasserzeichen-Tool für KI-generierte Videos

Meta veröffentlicht Video Seal, ein Open-Source-Tool zur Wasserzeichen-Kennzeichnung von KI-Videos. Es ermöglicht die Identifizierung auch nach Bearbeitung & trägt zur Bekämpfung von Deepfakes bei.

12:11 Meta

Metas Apollo Verbesserung des Videoverständnisses durch innovative multimodale Modelle

Meta AI präsentiert Apollo: Fortschrittliche Video-LMMs für verbessertes Videoverständnis. Apollo meistert die Herausforderungen langer Videos durch spatiotemporale Kompression und erzielt State-of-the-Art-Ergebnisse. Effiziente Verarbeitung & hohe Leistung – ideal für Echtzeitanwendungen.

12:11 Modelle & Forschung

FreeScale: Neue Methode zur Verbesserung der Auflösung von Diffusionsmodellen

FreeScale revolutioniert die Auflösung von Diffusionsmodellen!

13:10 Modelle & Forschung

Neues Bildgenerierungsmodell Aurora von xAI: Fortschritte und Herausforderungen

xAI präsentiert Aurora, ein neues KI-Bildgenerierungsmodell in Grok. Erstelle fotorealistische Bilder aus Texten.

13:10 Modelle & Forschung

Erweiterung der Bild-Text-Modellierung durch LAION-SG

LAION-SG: Ein neuer Bild-Text-Datensatz mit detaillierten Strukturannotationen für komplexe Szenengenerierung.