Trouver du contenu similaire

🌟MoVieS: Синтез 4D-видов с учетом движения. ByteDance в соавторстве с Пекинским университетом и Карнеги Меллон разработали MoVieS, feed-forward модель, которая из обычного монокулярного видео за секунду синтезирует полноценную 4D-сцену, объединяя в себе геометрию, внешний вид и, что самое важное, движение. В основе метода лежит идея представления динамической сцены с помощью «динамических сплэттер-пикселей». Если вы знакомы с 3D Gaussian Splatting, то поймете сразу: модель представляет каждый пиксель входного видео как гауссов примитив в 3D-пространстве. Новизна MoVieS в том, что она не просто определяет их статичные параметры (положение, цвет, прозрачность), но и предсказывает вектор их движения во времени. Иными словами, для каждой частицы в сцене модель знает, где она будет в любой заданный момент. Архитектурно MoVieS построена на геометрически предобученном трансформере VGGT, который обрабатывает кадры видео. Далее в дело вступают три специализированные «головы»: 🟠Depth Head - предсказывает карту глубины; 🟠Splatter Head - отвечает за атрибуты самих гауссовых сплэттеров для рендеринга; 🟢Motion Head - самая главная, оценивает смещение каждого примитива. Такой единый фреймворк позволяет обучать модель на самых разнородных датасетах: где-то есть разметка глубины, где-то - трекинг точек, а где-то - только видео. MoVieS - это еще про скорость. Согласно техотчету, на генерацию сцены уходит меньше секунды (0.93 с), тогда как у альтернативных методов на это уходят десятки минут. При этом качество на бенчмарках динамических сцен (DyCheck и NVIDIA) либо на уровне, либо превосходит SOTA решения. Но самое интересное - это zero-shot возможности. Модель, обученная по сути на задаче синтеза новых ракурсов, внезапно оказывается способна без всякого дополнительного обучения сегментировать движущиеся объекты и оценивать scene flow (попиксельный поток в 3D). Достаточно просто посмотреть на предсказанные векторы движения. ⚠️Кода для инференса, обучения и чекпоинтов пока нет, но обещают. 📌Лицензирование: MIT License. 🟡Страница проекта 🟡Arxiv 🖥GitHub @ai_machinelearning_big_data #AI#ML#4D#MoVieS#ByteDance

‼️Напечатать живые ткани в условиях невесомости удалось директору Центра подготовки космонавтов им. Ю.А. Гагарина Олегу Кононенко. По словам Кононенко, эксперимент открывает новые перспективы для космической медицины. В будущем биопечать позволит выращивать "заплатки" для поврежденных органов или даже целые органы непосредственно в космосе, что критически важно для длительных пилотируемых миссий, в том числе к Луне и Марсу. Кононенко отметил, что биопринтер работал в условиях отсутствия гравитации, где традиционные методы печати тканей сталкиваются с серьезными трудностями — клетки и биоматериалы в космосе ведут себя иначе, не оседают под действием силы тяжести. "Следующий шаг — 4D-биопечать, — когда напечатанные объекты меняют форму под внешним воздействием. Освоив эти технологии, можно, к примеру, отправлять в космос компактные упаковки, которые сами развернутся в нужную конструкцию", — отметил он. #космос #3D #4D #трансплантация

脑部的Google地图：4D大脑地图揭示生长机制 研究人员开发了一种四维大脑地图，通过点击鼠脑不同区域，观察其在不同阶段的变化，揭示了大脑发育和生长的机制，具有重要的科学意义。 来源: Medical Xpress ｜ 阅读全文 发布时间: 2026-02-27 01:00 GMT+8（北京时间） #大脑地图#4D#生长机制#脑发育