CGI Motion Capture With Only A Camera

What Looked Fine

Một nhà phát triển chia sẻ bốn dự án ML/AI thất bại do những sai lầm lặp lại: dataset mất cân bằng che giấu lỗi mô hình (DermAI), hiệu suất benchmark tốt nhưng lag phần cứng khiến YOLO/SAM thất bại trong thực tế (Petrova), xung đột metrics và ràng buộc pháp lý thay đổi phạm vi dự án (Legit?), cũng như metrics ROUGE/BERTScore không phản ánh đúng sở thích người dùng (ViReel). Bài học chung: metrics bề mặt thường che giấu vấn đề sâu xa, và cần kiểm tra nền tảng kỹ thuật trước khi triển khai.

Những lỗi cơ bản trong ML/AI thường xuất hiện như những "vết nứt không rõ ràng" ở các dự án thực tế, và bài viết này giúp bạn tránh những sai lầm lặp đi lặp lại khi xây dựng mô hình từ những ví dụ sống động.

Bringing the data to every sideline

Nghiên cứu sinh tiến sĩ MIT Henry Wang phát triển hệ thống bán tự động hỗ trợ trọng tài bằng công nghệ theo dõi khung xương (skeletal tracking) và phát hiện bóng (ball detection), nhằm cải thiện quyết định trong thể thao như pha đá phạt góc hay đá phát bóng. Anh từng hợp tác với Boston Red Sox, Philadelphia 76ers và hướng tới phổ cập phân tích dữ liệu thể thao toàn cầu.

Nếu bạn quan tâm đến cách kết hợp công nghệ AI và dữ liệu để nâng cao chính xácity và công bằng trong thể thao, bài viết này sẽ giúp bạn hiểu rõ về cách các hệ thống tự động hóa, từ tracking cơ thể đến phân tích bóng, đang thay đổi cách thức các trọng tài và huấn luyện viên làm việc.

Silent speech with ultrasound — Aleph

A team trained a model to decode speech from ultrasound video of the tongue during silent articulation, achieving a 15.6% word error rate on open-vocabulary speech — approaching lip-reading benchmarks despite using only 50 hours of training data collected over one month. The system uses a ResNet-18 2+1d video encoder aligned to Whisper's embedding space, enabling the Whisper decoder to transcribe tongue movements into text. Notably, the model generalizes to new speakers without retraining. Data was collected using vocalized speech (to enable audio quality checks) with the assumption that tongue movements transfer to silent speech. The two main remaining hardware challenges are miniaturizing the ultrasound probe and replacing gel coupling with hydrogel for practical wearable use.

Tutorials

Trang hướng dẫn của Otary cung cấp các ví dụ sử dụng thư viện, bao gồm xử lý ảnh (cắt ảnh, OCR), xử lý thực thể tuyến tính, tính toán diện tích, giao điểm đối tượng hình học và chấm điểm.

Nếu bạn đang làm việc với các công cụ xử lý hình ảnh, tính toán hình học hoặc tự động hóa phân tích dữ liệu hình ảnh, Otary sẽ giúp bạn tiết kiệm thời gian và code hiệu quả với các ví dụ cụ thể về cắt hình, tính diện tích, tìm giao điểm, và OCR.

New EU rules put a driver-watching camera in every car

From 7 July 2026, the EU's General Safety Regulation phase two mandates advanced driver-assistance systems on all newly manufactured cars and vans. Key requirements include pedestrian- and cyclist-detecting emergency braking and a cabin-facing camera that monitors driver attention and issues distraction warnings. The regulation builds on the 2024 first phase (which introduced intelligent speed assistance) and supports the EU's Vision Zero goal of near-zero road deaths by 2050. The driver-facing camera is the most debated element, valued by safety researchers but raising privacy concerns. The rules also accelerate the broader shift toward software-defined vehicles packed with sensors and compute.

Printing Fungal Art With Laser Control

The Funguy project by Kexin Wang uses a laser diode to control fungal growth patterns on agar gel, turning photophobic fungi into a medium for complex artistic designs. The system combines a temporal convolutional neural network that learns fungal growth from image sequences with a cellular automaton whose rules are themselves learned by small neural networks. Trained on three fungal species, the model predicts growth patterns and nutrient depletion to optimize laser tracing. A 405 nm laser proved most effective, and the hardware resembles a laser engraver built from a DVD drive frame. The project targets artistic and educational applications, with potential for functional uses given prior work on fungi-based electronics.

Building Multimodal AI Applications with Gemma 4 and Transformers

Bài hướng dẫn thực hành xây dựng ứng dụng AI đa phương thức bằng mô hình Gemma 4 của Google kết hợp với Hugging Face Transformers, bao gồm 6 tác vụ: chuyển đổi ảnh chụp màn hình thành mã HTML, hiểu video kèm trích xuất âm thanh, gọi hàm đa phương thức, phát hiện vật thể với hộp giới hạn, chú thích hình ảnh và hiểu âm thanh. Tất cả tác vụ đều tuân theo quy trình 4 bước nhất quán: định nghĩa thông điệp đa phương thức, xử lý đầu vào, sinh đầu ra và giải mã/phân tích cú pháp, với các chi tiết kỹ thuật quan trọng như AutoModelForMultimodalLM, AutoProcessor, chế độ suy luận (thinking mode) và giải mã xác định (deterministic decoding).

Lập trình viên muốn mở rộng khả năng xây dựng ứng dụng AI đa mô hình thực tế từ lý thuyết đến thực hành nhanh chóng với các công cụ mở rộng của Gemma 4 và Hugging Face.