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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #309 · 20.04

Проблема нового Бэтмена в том, что там герой ничего не делает и ни для чего не нужен. Вообще, я могу купить идею «Сделаем Бэтмена реалистичным не так, как попытался Нолан, а по-своему, в драматически-беспросветном стиле». Но у этого подхода есть проблема: в попытке стать реалистичным он стал заурядным. Кино не зря показывает, как люди с недоумением косятся на него в костюме, поскольку это плохо согласуется с реализмом. Посудите сами: если у нас вселенная, где костюм с ушами воспринимается, как что-то серьёзное и угрожающее (а не что-то детское и нелепое), то мы, наверное, ожидаем и относительно фантастических технологий, и некоторой запредельной типично комиксовой крутости героя. А здесь: боевые сцены совсем не впечатляют, но не из-за того, что сделаны плохо, просто они по-реалистичному надрывные и сумбурные. Это уместно в каком-нибудь Крепком Орешке, но там и герой не в костюме. Ладно, по канону Бэтмен не только ниндзя и миллиардер с технологиями, но ещё и невероятно умный детектив. Может, хоть здесь фильм не проседает? Увы. Герой, конечно, разгадывает загадки Риддлера, но, если внимательно посмотреть, то смысла в этом нет никакого. Полное отсутствие разгадок привело бы персонажей ровно к такому же результату. Одного злодея вяжут из-за аудиозаписи, к которой сам Бэтмен не имеет отношения. Другого палят простые копы почти случайно. Последние события вообще развиваются независимо от решения. В итоге мы получили фильм про Бэтмена, который вроде бы и показывает нам реалистичного персонажа, а с другой стороны делает его скучным и бесполезным на протяжении всего хронометража. #fiction

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #aigen

当前筛选 #aigen清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8057 · 14.07.2025 г., 18:02

🧠 Как «вклеить» объект в картинку так, чтобы он выглядел естественно? Это одна из самых сложных задач в семантической генерации: 🔸 нужно сохранить структуру сцены 🔸 вставить объект по текстовому описанию 🔸 и найти уместное место, а не просто налепить поверх Большинство моделей с этим не справляются — объект добавляется не к месту или портит фон. Новый метод Add-it от NVIDIA решает эту задачу без обучения модели. Он расширяет механизм внимания в диффузионных моделях, чтобы учитывать сразу три источника: 1. Оригинальное изображение 2. Текстовый промпт 3. Промежуточную сгенерированную картинку 📌 Такой подход позволяет: – сохранить геометрию сцены – встроить объект туда, где он действительно мог бы быть – не терять мелкие детали и текстуры 📊 Результаты: – Add-it без дообучения обходит supervised‑модели – На новом бенчмарке Additing Affordance показывает SOTA результат по «естественности размещения» – В слепых тестах люди выбирают его в 80% случаев – Улучшает метрики качества генерации 🟠Github: https://github.com/NVlabs/addit 🟠Demo: https://huggingface.co/spaces/nvidia/addit 🟠Paper: https://arxiv.org/abs/2411.07232 🟠Project: https://research.nvidia.com/labs/par/addit/ @ai_machinelearning_big_data #NVIDIA#Diffusion#Addit#StableDiffusion#AIgen#ControllableGeneration