🔔🔔🔔🔔🔔 Динь-дон! Последний звонок ✨

Как его проводишь ты?

🔥 - получил БВИ и танцую
🤷‍♂️ - чиллово
🥴 - щаслив!
🤪 - в Tatiana Restaurant!

Котэ кто завтра (а, возможно, уже сегодня) пишет ЕГЭ по математике? 😮 Желаем самых умиротворяющих потягушек и ни пуха 🤞

😟 Пока все пытаются отличить реальные ролики от сгенерированных нейросеткой Veo 3, давай попробуем разобраться, как у неё это получается. Вместе с методистами RuCode перевели для тебя Model card.

Нейросеть Veo 3 создаёт длинные видео в хайрезе сразу с подходящей звуковой дорожкой по текстовому запросу или из изображения.

Архитектура
Veo 3 — латентная диффузионная модель. Это стандартное решение для современных генеративных моделей, который позволяет достичь высокого качества работы. В таких моделях процесс диффузии применяется к временным аудио-латентам и пространственно-временных видео-латентам.

Обучающий набор данных
Модель Veo 3 обучалась на аудио-, видео- и графических данных. Наборы аудио- и видеоданных
были снабжены текстовыми комментариями с разной степенью детализации с использованием нескольких моделей Gemini, и отфильтрованы для удаления небезопасных подписей и персональной информации.

Обработка учебного набора данных
Обучающие видео были отфильтрованы по различным показателям безопасности и качества. Все учебные данные были семантически дедуплицированы в различных источниках.

Хард
Для обучения Veo 3 использовались тензорные процессоры (TPU) компании Google. TPU специально созданы для обработки огромных объёмов вычислений и партий данных и могут значительно ускорить обучение LLM.

Софт
Обучение проводилось с использованием ML- фреймворков JAX и Pathway.

Тесты
Veo v3 испытывалась на бенчмарках теста MovieGenBench (видео и видео+аудио) из 1003 промптов только для видео и 527 промптов для формата «видео+аудио». А также из соответствующих видео, сгенерированных другими моделями: MovieGen (видео и видео+аудио), Kling 2.0 (только видео), Minimax (только видео) и Sora Turbo (только видео).
Для выборки использовались оба теста последних моделей видеогенерации. Для формата «только видео» получили образцы из Kling 2.0, OpenAI Sora, Runway Gen-3, WAN 2.1, MiniMax T2V-01. Для «видео+аудио» дополнительно получили ролики из WAN 2.1, Kling 2.0 и Kling 2.0 + MMAudio.

Кроме того, Veo v3 I2V оценили на тесте VBench I2V (генерация изображения в видео), который
состоит из 355 пар «изображение+текст». Для сравнения выбрали следующие генеративные модели: Runway Gen-4, Kling 2.0 (Pro), WAN 2.1, MiniMax I2V-01.

Результаты
Veo 3 показала лучшие результаты среди других современных моделей видеогенерации по общим показателям и по своей способности точно следовать промптам.

🤗Теперь с нетерпением ждём публикации весов на Hugging Face.

😎 Видеолекции легенды — профессора, заведующего кафедрой математической статистики факультета ВМК МГУ Виктора Юрьевича Королёва.

Решили не бросать вас перед сессией (или уже во время) и всё-таки опубликовать вторую часть лекций по теории вероятностей и математической статистике (хотя вы не поставили условленное количество реакций). Когда вы так делаете, где-топлачет один SMM-щик 🥲

А у нас именинник 🎂 Сегодня рождения отмечает Руслан Валерьевич Алькин — мэтр алгосов и методист трека «Алгоритмическое программирование» Всероссийского IT-фестиваля RuCode 🏆

📃 В свободное от составления задач время Руслан организует олимпиады по спортивному программированию в Карелии, руководит Клубом творчества программистов, тренирует команды ПетрГУ. А ещё у Руслана в коллекции дипломы NERC за 2014 и 2018 года.

👏👏👏👏👏👏👏👏👏

Присоединяйся к поздравлениям: + 1 к удаче на следующем Чемпионате по олпроге RuCode!