Pesan Gate News, 23 April — Tim Seed ByteDance merilis Seed3D 2.0, sebuah model text-to-3D yang menghasilkan aset 3D bertekstur dari satu gambar. Peningkatan ini berfokus pada ketepatan geometris dan realisme material, dengan API kini tersedia di Volcano Ark.
Pembuatan geometris memakai strategi dua tahap Coarse-to-Fine: model DiT berparameter besar pertama kali menetapkan topologi berbutir kasar, lalu memulihkan tepi yang tajam dan permukaan yang halus. Pembuatan material menggunakan arsitektur Mixture of Experts (MoE) untuk meningkatkan detail beresolusi tinggi, dengan menyertakan prior Vision Language Model (VLM) untuk memperbaiki stabilitas dekomposisi material dalam kondisi pencahayaan yang tidak diketahui, serta menghasilkan peta PBR lengkap yang kompatibel dengan pipeline rendering standar.
Enam puluh evaluator dengan pengalaman pemodelan 3D melakukan perbandingan buta pada sekitar 200 kasus uji, membandingkan Seed3D 2.0 dengan Hunyuan3D-2.5/3.1, Tripo 3.0, Rodin Gen2, HiTem v2.0, dan Seed3D 1.0 sebelumnya. Tingkat preferensi untuk pembuatan geometris berkisar dari 65,1% hingga 98,3%, sementara tingkat preferensi untuk aset 3D bertekstur melebihi 69% di semua perbandingan.
Untuk aplikasi lanjutan, Seed3D 2.0 dapat mendekomposisi aset 3D menjadi komponen independen dengan informasi bersama, menghasilkan output format URDF yang kompatibel dengan Isaac Sim dan mesin simulasi lain untuk skenario interaksi dinamis seperti perupaan robot. Pada level adegan, ia mendukung input teks, gambar multi-view, atau video, dengan menggabungkan beberapa aset untuk menghasilkan adegan lengkap.
Penafian: Informasi di halaman ini dapat berasal dari pihak ketiga dan tidak mewakili pandangan atau opini Gate. Konten yang ditampilkan hanya untuk tujuan referensi dan bukan merupakan nasihat keuangan, investasi, atau hukum. Gate tidak menjamin keakuratan maupun kelengkapan informasi dan tidak bertanggung jawab atas kerugian apa pun yang timbul akibat penggunaan informasi ini. Investasi aset virtual memiliki risiko tinggi dan rentan terhadap volatilitas harga yang signifikan. Anda dapat kehilangan seluruh modal yang diinvestasikan. Harap pahami sepenuhnya risiko yang terkait dan buat keputusan secara bijak berdasarkan kondisi keuangan serta toleransi risiko Anda sendiri. Untuk detail lebih lanjut, silakan merujuk ke
Penafian.
Artikel Terkait
Vercel Membuka Sumber Framework deepsec dengan 1.000+ Konkurensi Sandbox untuk Pemindaian Keamanan AI Lokal
Menurut Beating, Vercel telah merilis open-source deepsec, sebuah kerangka kerja pengujian keamanan yang digerakkan AI yang memungkinkan pengembang memindai basis kode berukuran besar secara lokal tanpa mengekspos kode sumber ke layanan cloud eksternal. Kerangka kerja ini menggunakan alur verifikasi multi-tahap: setelah penyaringan regex awal, sebuah
GateNews4jam yang lalu
Kamera Netradyne AI Memantau Perilaku Pengemudi di Armada
Sistem Pemantauan Pengemudi AI Netradyne
Netradyne, sebuah startup India, tengah memasang kamera bertenagai AI di armada kendaraan komersial untuk memantau perilaku pengemudi dan mengurangi kecelakaan. Kamera yang menghadap ke dalam berfokus pada pengemudi, bukan penumpang, serta memberi peringatan kepada pengemudi ketika mereka melampaui batas kecepatan atau
CryptoFrontier5jam yang lalu
AequiSolva Meluncurkan Arsitektur AI Sentinel Stack untuk Verifikasi Aset Institusional pada 30 April
Menurut AequiSolva, perusahaan meluncurkan arsitektur pertukaran Sentinel Stack™ yang terintegrasi AI pada 30 April 2026, dengan fitur eksekusi deterministik, pengawasan pasar berbasis AI, serta Omni-Attest Engine™ untuk pembuktian cadangan kriptografis berkelanjutan. Platform ini menggabungkan tiga inti
GateNews10jam yang lalu
Karpathy membocorkan: metode lengkap membangun basis pengetahuan pribadi dengan LLM
Anggota pendiri OpenAI, mantan Chief AI di Tesla Andrej Karpathy memublikasikan di X “LLM Knowledge Bases” alur kerja, serta menjelaskan bahwa baru-baru ini ia mengalihkan penggunaan token dalam jumlah besar dari “mengendalikan kode” menjadi “mengendalikan pengetahuan”—menggunakan LLM untuk mengubah kumpulan makalah, artikel, folder, gambar yang tersebar menjadi satu wiki pribadi yang terpelihara secara otomatis. Seluruh rangkaian proses ini telah ia akumulasikan di proyek riset pribadinya menjadi sekitar ~100 artikel, ~400 ribu kata, dan semuanya ditulis serta diperbarui sepanjang waktu oleh LLL. Artikel ini merangkum setup lengkap Karpathy dan daftar implementasi yang bisa dicopy oleh pengembang yang ingin menirunya.
Gagasan inti: data mentah → kompilasi oleh LLM → wiki → Q&A
Filosofi desain Karpathy bisa diringkas menjadi
ChainNewsAbmedia17jam yang lalu
Bitcoin Treasury Firm K Wave Media Mengamankan hingga $485M untuk pembangunan infrastruktur AI
Menurut ChainCatcher, perusahaan treasury bitcoin yang terdaftar di Nasdaq, K Wave Media, mengumumkan pada 4 Mei pergeseran strategis ke infrastruktur AI, dengan mengamankan dukungan modal hingga 485 juta dolar AS untuk investasi pusat data, layanan sewa GPU, serta akuisisi dan kemitraan infrastruktur AI.
Perusahaan ini
GateNews18jam yang lalu
Antimatter Meluncurkan Rencana Pusat Data AI dengan Pendanaan €300 juta
Antimatter, perusahaan infrastruktur cloud berbasis di Prancis untuk kebutuhan AI, meluncur pada 4 Mei dengan menggabungkan tiga perusahaan yang sudah ada: Datafactory, Policloud, dan Hivenet. Perusahaan ini mengumpulkan 300 juta euro (US$351 juta) untuk menempatkan 100 unit pusat data mikro pada 2026 untuk inferensi AI
CryptoFrontier20jam yang lalu
