MiMo-Embodied — первая кросс-объединенная модель с выдающимися результатами в автономном вождении и интегрированном ИИ.

Изучите, как модель VANS использует видео для предсказания событий и решения задач, связанных с мультимодальными входами.

Узнайте о SAM2S — новой модели сегментации объектов в хирургических видео, позволяющей улучшить долгосрочное отслеживание и понимание инструментов.

Узнайте, как первый кадр влияет на настройку видео-контента и как добиться универсальности с минимальным количеством примеров.

Step-Audio-R1 – новая модель, способная к аудио-рассуждениям, показывает превосходные результаты в понимании звуков.

Изучите, как Thinking-while-Generating улучшает визуальную генерацию через текстовое рассуждение.

Научитесь о NaTex — новом подходе к генерации текстур с использованием латентной диффузии цвета и управления геометрией в 3D-пространстве.

Исследуем масштабирование многомодальных моделей для развития пространственного интеллекта и их достижения в тестах.