Pikselipaino

Tekoälymallin esittelysivu on perinteisesti ollut mainos: ylisanoja, käsin poimittuja onnistumisia ja vertailukuvia, joiden vasen laita on valittu häviämään. Tämän päivän lehden läpi kulkee toisenlainen lanka. Kvantisoija julkaisee taulukon, jossa jokainen pakkausvalinta on punnittu vertailulukuna oikeaa vastausta vasten. Restauroija ilmoittaa, montako olematonta viivaa sen malli piirtää tyhjälle paperille tuhatta pikseliä kohden — ja todistaa väitteensä aineistolla, jota sen oma valinta ei ole koskaan nähnyt. Selainportin tekijä liittää pakettiinsa tavuntarkat vastaavuuskuitit ja tarkistussumman. Adjektiivi on vaihtumassa mittaluvuksi.

Muutoksella on käytännön seuraus, joka koskee jokaista lataajaa: mittausta ei tarvitse uskoa, sen voi tarkistaa. Ja mittapöytäkirja kertoo aina myös rajansa — mitä ei mitattu, sitä ei luvata. Kun yksi kortti osoittaa, että huomiokerrokset ovat pakkaamisen herkkä kohta ja asiantuntijat kestävät kovempaa kohtelua, seuraava pakkaaja aloittaa siitä, mihin edellinen jäi. Mittaukset kasautuvat tiedoksi; ylisanat eivät kasaudu miksikään. Lukijalle tästä jää nyrkkisääntö, joka kelpaa arkeen asti: luota korttiin, joka näyttää laskunsa, ja lue galleriaa, joka näyttää vain kuvansa, samalla varauksella kuin lomaesitettä.

Kuvanveistäjä muutti konekielelle

Microsoftin TRELLIS.2 on kuvasta kolmiulotteiseksi -mallien ladatuin, ja maanantaina sen ympärillä tapahtui se, mikä kielimalleille tapahtui kolme vuotta sitten: painot pakattiin GGUF-tiedostoiksi, ajo siirtyi C++:lle — ja generaattori upposi tavallisen työkalun sisään.

GGUF on alkujaan kielimallien pakkausmuoto: koko malli luetaan yhdestä tiedostosta kevyellä C++-ajoympäristöllä, ilman Python-asennusta ja ilman vaatimusta tietyn valmistajan näytönohjaimesta. Sen varaan rakennettu llama.cpp teki kielimalleista jokamiehen ohjelmia, jotka käynnistyvät läppärillä siinä missä konesalissa. Maanantaina sama liike kiteytyi kolmiulotteisen generoinnin puolella: Hugging Faceen ilmestyi muutamassa tunnissa kaksi TRELLIS.2:n GGUF-painopakettia eri tahoilta — inferenceport-ai:n f16-muunnokset trellis2cpp-ajoympäristölle ja QtMeshEditor-projektin kiinnittämä peili omalle taustaosalleen.

C++-ajoympäristöjä on itse asiassa jo kaksi. Trellis.cpp tukee sekä CUDAa että Vulkania — jälkimmäinen tarkoittaa AMD:n ja Intelin kortteja — ja pyörii haluttaessa jatkuvana palvelimena, jolta muut ohjelmat tilaavat meshejä. LocalAI:n trellis2cpp-taustaosa taas ajaa koko putken ilman CUDAa ja ilman Pythonia ja tarjoaa sen palvelurajapintana muiden generointilajien rinnalla. Putki kulkee molemmissa samoin: kuvan ymmärtävä enkooderi, harva rakenne, muoto ja lopuksi PBR-tekstuurit — jokainen vaihe omana gguf-tiedostonaan, jotka ladataan kerran ja jotka kelpaavat kummallekin.

Arkisin kohta on silti mesh-editori. QtMeshEditoriin on rakennettu trellis2-taustaosa: yksi komento, ja editori kutsuu generaattoria, siistii tuloksen pelivalmiiksi ja leipoo PBR-tekstuurit — kuva sisään, käyttökelpoinen esine ulos, samassa ohjelmassa jossa sitä muutenkin muokattaisiin. Tämä on sama arkipäiväistymisen muoto, jolla kielimallit upposivat tekstieditoreihin: mallia ei enää käydä tapaamassa sen omassa tutkimusympäristössä, vaan se asuu työkalun valikossa.

Lisenssirivit ovat nekin kunnossa, mikä alkaa olla tämän lehden vakiohavainto hyvin tehdystä paketoinnista: kaikki TRELLIS.2-osat kulkevat MIT-luvalla, ja ainoa poikkeus — Metan DINOv3-pohjainen kuvaenkooderi omine ehtoineen — on merkitty kortteihin erikseen näkyviin. Kun tutkimusputkesta tulee komponentti, papereiden on kuljettava mukana. Kolmiulotteisen generoinnin llama.cpp-hetki ei ole enää vertauskuva; se on tiedostomuoto.

Lähteet: inferenceport-ai:n paketin kortti (31.8.2026), QtMeshEditor-peilin kortti (31.8.2026), trellis.cpp (GitHub), LocalAI:n 3D-dokumentaatio; TRELLIS.2:n tausta lehden klassikkopalstalla numerossa 010

Jättiläinen mitattiin Maciin

Avointen kuvamallien suurin, Tencentin 80-miljardinen HunyuanImage 3.0, mahtuu nyt 128 gigatavun Maciin. Muuntaja julkaisi jokaisen pakkausvalintansa perusteluineen — lukuina, ei lupauksina.

HunyuanImage 3.0 on asiantuntijasekoite: 80 miljardin parametrin malli, josta jokaisella askeleella on hereillä 13 miljardin siivu. Kokoluokka on pitänyt sen konesalien puolella — kunnes hymlx-projekti käänsi ohjattavan Instruct-version Applen MLX-kehykselle ja kvantisoi sen mittatilaustyönä: levyllä 52,5 gibitavua, ajossa 49,7 ja kuvamuokkauksen piikissä 69,5 — eli 128 gigatavun Mac riittää, editointeineen päivineen.

Kiinnostavin ei ole että mahtuu, vaan miten mahduttaminen perusteltiin. Painoista 91,7 prosenttia — reitittimen valitsemat asiantuntijat — pakattiin neljään bittiin, huomiokerrokset ja yhteiset osat kahdeksaan, herkimmät säilöttiin koskemattomina. Kortti julkaisee vaihtoehtojen vertailun: kuusi bittiä kaikkialle painaisi 70,8 gibitavua ja vastaisi vertailumallia korrelaatiolla +0,9980; valittu sekoitus painaa 49,7 ja pitää lukeman +0,9907:ssä; neljä bittiä kaikkialle säästäisi enää gigatavun mutta pudottaisi vastaavuuden +0,9650:een. Yllätyshavainto on suunnalleen: pakkaamisen herkkä kohta ovat huomiokerrokset, eivät asiantuntijat — yksi oikeaan paikkaan sijoitettu gigatavu palauttaa melkein koko laadun. Askel kestää noin yksitoista sekuntia, eli kuva valmistuu reilussa parissa minuutissa.

Käytössä malli on omanlaisensa: se kirjoittaa ensin itselleen laajennetun kuvauksen — eräänlaisen ääneen ajattelun — ja generoi kuvan vasta siitä. Sommittelu ratkeaa siis tekstivaiheessa, ja siihen kannattaa vaikuttaa kehotteella, ei siemenluvulla. Referenssikuvalla ohjattu muokkaus kulkee samassa paketissa.

Sitten se mutka, joka koskee juuri tätä lehteä ja sen lukijoita: Tencentin yhteisölisenssin voimassaoloalue sulkee ulos Euroopan unionin, Britannian ja Etelä-Korean — sama linja, jonka lehti kartoitti numerossa 012 yhtiön 3D-mallien kohdalla. Portti Maciin siis aukesi, mutta ei täältä käsin: suomalaiselle tämä jää ikkunaostokseksi. Mittausten lukeminen ei lisenssiä riko, ja opit kelpaavat missä tahansa: seuraava, joka pakkaa suurta mallia pieneen muistiin, tietää nyt mistä aloittaa.

Lähteet: mallikortti (31.8.2026), hymlx (GitHub), Tencentin yhteisölisenssi; aluelinjan tausta numerossa 012

Video saa valonsa takaisin

Netflixin tutkimusväen DiffHDR opettaa videomallin palauttamaan kahdeksanbittiseen tallennukseen kadonneet valot ja varjot — ja sen painot julkaistiin avoimena lisäpainona maanantaina.

Lähes kaikki maailman video on tallennettu kahdeksanbittisenä: kirkkaimmat huiput on leikattu tasaiseksi valkoiseksi, syvimmät varjot puuroutuneet mustaksi, eikä tiedosto kanna tietoa siitä, mitä leikkurin takana oli. HDR-näytöt osaisivat näyttää enemmän — mutta materiaalista ei löydy sitä enempää. Tähän saumaan osuu DiffHDR, Texas A&M:n yliopiston, Netflixin ja sen Eyeline-tutkimusstudion yhteistyö, joka esitellään syksyn ECCV-konferenssissa: käänteinen sävykartoitus videolle, diffuusiomallin maailmantiedolla täydennettynä.

Toteutus on kevyempi kuin arvaisi: LoRA-lisäpaino avoimen Wan 2.1 -videomallin VACE-muokkausversion päälle. Videomalli on nähnyt maailmaa niin paljon, että se osaa ehdottaa, millaista detaljia palaneessa ikkunassa tai umpimustassa nurkassa todennäköisesti oli — ja lisäpaino ohjaa tämän tiedon palauttamaan valotusta ruutu ruudulta, välkkymättä. Tekijät kutsuvat lopputulosta uudelleenvalotukseksi: leikkaaja säätää valmiin videon valotusta jälkikäteen kuin raakakuvaa, ja panoraamamateriaalikin kelpaa syötteeksi.

Tekijälistan hännillä on nimi, joka sulkee ympyrän: Paul Debevec, sama tutkija, joka 1990-luvulla näytti, miten tavallisista valokuvista kootaan todellisen valon sädekartta — työ, josta koko HDR-kuvantaminen polveutuu. Kolme vuosikymmentä myöhemmin hän on opettamassa videomallia palauttamaan sen, minkä kahdeksanbittinen tallennus hävitti.

Käytännön rivit ovat suosiolliset: lisäpaino on Apache-luvalla ja pohjamalli samoin, joten arkistojen, puhelinvideoiden ja vanhojen tuotantojen nosto HDR-toimitukseen on luvallista kaupallisestikin. Yksi raja kannattaa silti pitää mielessä, ja se on tämän lehden vakioraja: palautettu valo on mallin arvausta. Fiktioon ja mainokseen se sopii; dokumenttiin ja todistusaineistoon ei.

Lähteet: mallikortti (31.8.2026), projektisivu, artikkeli (arXiv)

Luonnoksesta reseptiksi: Autodeskin tutkimusyksikkö julkaisi Zero-to-CADin — kahden miljardin parametrin näkökielimallin, joka kirjoittaa esineen kuvista ajettavan CAD-ohjelman. Ero meshiin on laadullinen: tulos ei ole pinta vaan resepti, jossa mitat ja piirteet ovat muokattavia parametreja. Opetusaineisto on miljoona synteettistä esimerkkiä, jotka agenttiputki kokosi ilman yhtäkään oikeaa mallia, ja koko komeus on Apache-luvalla. Suunnittelusoftan jättiläinen julkaisee siis avoimesti työkalua, joka lukee luonnoksia sen omaan maailmaan. mallikortti

Neljä kulmaa riittää: keypoint-palstan arjesta käy tuore keräilykorttien kulmantunnistin: pieni YOLO-asentomalli löytää valokuvasta pelikortin ja palauttaa sen neljä kulmaa valmiiksi järjestettyinä, joten yksi perspektiivimuunnos oikaisee kortin skannerisuoraksi. Keräilijöiden luettelointi, kunnon arviointi ja suoratoiston päällekkeet saavat työkalunsa ilman säihkettä — juuri tällaisista paloista sovellukset kootaan. mallikortti (31.8.2026)

Nimilappu täytti kuukauden: EU:n tekoälyasetuksen 50 artiklan avoimuusvelvoitteet ovat olleet voimassa elokuun alusta: generoitu ja muokattu kuva, ääni ja video on merkittävä koneluettavasti, kun se tarjotaan EU-yleisölle. Lehden EU-teema saa näin vastinparinsa — samaan aikaan kun osa malleista sulkee Euroopan lisenssialueensa ulkopuolelle (ks. päivän Mac-juttu ja numero 012), unioni vaatii lopuilta sisältöihin nimilaput. Tekijälle käytännön ohje on yksinkertainen: julkaisualustan merkintätyökalut kannattaa ottaa käyttöön nyt eikä ensi keväänä. tekoälyasetus (EUR-Lex)