TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #159 · 13.01

На следующее утро я приехал за час до открытия, чтобы занять очередь на улице. Я был вторым после парня с деталью для мотоцикла (мы уже были знакомы с предыдущего дня). Передаю привет и благодарность своему другу Василию, который в свой выходной приехал меня поддержать и помочь при необходимости прятаться от холода в машине. Иронично, но Вася приехал чуть раньше, и его пустили внутрь, а я стоял снаружи ещё полчаса :) Пока ждали, мы по просьбе сотрудников помогли разгрузить машину почты. Вот вам безопасность: ничто не мешало нам схватить и унести любую посылку как из машины, так и со склада, куда нас пустили (хотя половину посылок выложили в коридоре). И никто, конечно же, не проверял, как мы с коробками обращаемся, несмотря на то, что половина из них пестрила надписями FRAGILE!!! MOVE WITH CARE!!! Ха-ха. Таможня открылась по расписанию. К этому моменту в списке было уже более десяти человек, и почти всех я знал. Я смог отдать документы в окно в начале одиннадцатого. Приставка обошлась мне в 529 фунтов стерлингов, мне нужно было подтвердить эту цену и написать объяснительную о том, что я купил её для личного пользования. Я так и написал: «Для личного пользования». — Пишите конкретно, что именно вы с ней будете делать. — Но это же приставка, что я с ней могу делать? Играть. — Вот и пишите. «Чтобы играть в видеоигры», — дописал я. — Я в интернете не вижу таких цен. По 75 тысяч стоят и больше. Вы занизили стоимость. — Девушка, это дефицитный товар. Его официальная цена вообще 40 тысяч, а вы смотрите у перекупщиков. Вот у меня распечатка из банка, вот распечатка из магазина, что я именно за эту цену и купил. — Вы могли по частям платить! В итоге я её убедил, но пришлось сбегать в соседний копицентр и сделать распечатку нескольких дополнительных страниц с eBay. Пока я бегал в соседний квартал, я не задерживал очередь, потому что в эти 30 минут мне как раз оформляли платёжный ордер из двух бумажек. Ага. — У вас вес 6.8 кг, так не может быть. — Но это большая приставка, в ней электроника, металлические детали. — Я разбираюсь в этом, не может приставка столько весить! — Девушка, давайте при вас распакуем, и я обещаю, заберу оттуда только коробку с приставкой. <...> — Я нашла, что вы ИП и занимаетесь разработкой игр. Значит, приставка вам может быть нужна для профессиональной деятельности. Ещё минут 10 я отбивал этот аргумент. Думаю, у неё не было иллюзий на этот счёт, просто хотелось позатягивать время и принять поменьше клиентов. Около одиннадцати я, заплатив пошлину, получил заветный документ, разрешающий выдачу. К этому моменту я был готов отдать любые деньги, предоставить любые документы, станцевать и спеть. А ещё я был готов никогда больше ничего не покупать за границей. У нас ведь такая прекрасная страна, импортозамещение, зачем вам эта Европа? Оставляйте деньги внутри, с них налоги идут куда надо. На работу доблестной таможни, например. Передавая мне посылку, сотрудница почты уронила две другие, которые стояли сверху. Коробки размером с микроволновку каждая упали на пол со смачным неупругим ударом. «...WITH CARE», — прочитал я краем глаза на одной из них. А потом вышел из отделения, крикнув через плечо: «Вычеркивайте в списке второй номер!». На часах было 11:06. #life

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #bitdance

当前筛选 #bitdance清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #9534 · 17.02.2026 г., 09:02

🌟BitDance: авторегрессионная генерация изображений с бинарными токенами. Генеративные модели делятся на 2 лагеря: диффузионные и авторегрессионные. Вторые концептуально ближе к LLM - генерируют изображение токен за токеном, как текст. Проблема в том, что это очень медленно, а качество проигрывает диффузии. BitDance - экспериментальная 14B AR-модель, которая пытается решить оба этих вопроса разом. Этим проектом группа китайских рисёчеров показала, что правильный бинарный токенизатор + diffusion head + параллельный патчинг закрывает большинство претензий. Они локализовали 3 проблемы дискретных AR-моделей и закрыли каждую отдельным решением. 🟡Плохая реконструкция токенизатора Вместо VQ-кодбука тут используется бинарный токенизатор на основе квантования с групповым разбиением каналов. Словарь вырастает до 2²⁵⁶ (для сравнения: у Cosmos - 65536), при этом модель держит PSNR 25.29 против 24.81 у непрерывного DC-AE, то есть бинарные токены реконструируют изображение лучше, чем VAE у SANA. 🟡Нестабильный сэмплинг А как вообще выбирать из словаря в 2²⁵⁶ вариантов? Обучить классификатор на все возможные токены тут не вариант: такой слой не поместится ни в какую память. В качестве решения - прикрутили diffusion head, которая моделирует биты на непрерывном гиперкубе. То есть, модель предсказывает структуру битов через velocity-matching, что и позволяет сэмплить из гигантского пространства состояний. 🟡Скорость AR генерирует по одному токену за шаг. BitDance за один шаг выдает сразу 64 токена (или 16), при этом модель понимает, как они связаны между собой внутри этого блока. Громко заявленный результат: 30x ускорение относительно next-token AR при сопоставимом качестве. об этом в конце 🟡Тесты На мелкой версии ImageNet BitDance-H достигает FID 1.24 (лучший результат среди AR-моделей, наравне с xAR-H). На DPG-Bench (text-to-image) полноценная BitDance набирает 88.28 - это выше FLUX.1-Dev, SD3, Janus-Pro, но уступает Seedream 3.0 и Qwen-Image. В релизе 2 версии 14B модели, с предикшеном на 16 и 64 токена и макс. разрешением 1Мpx. Остается вопрос: насколько бинарный токенизатор + diffusion head добавляет латентности на каждом шаге, даже если самих шагов стало меньше из-за патчинга. 30x по скорости - это сравнение не с диффузионными моделями, которые уже умеют генерировать за 4–8 шагов. 14B - это не про "взял и запустил". Есть конечно версии на ImageNet с разрешением 256х256 для воспроизведения эксперимента, но не за этим мы сюда пришли. 📌Лицензирование: Apache 2.0 License. 🟡Страница проекта 🟡Arxiv 🟡Модель 🟡Demo 🖥GitHub @ai_machinelearning_big_data #AI#ML#AR#T2I#BitDance