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: #crossmodal

当前筛选 #crossmodal清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8801 · 17.10.2025 г., 10:13

⚡️ Omni-Embed-Nemotron - новая единая модель от NVIDIA для поиска по тексту, изображениям, аудио и видео Модель обучена на разнообразных мультимодальных данных и может объединять разные типы входных сигналов в общее векторное представление. - Поддержка всех типов данных: текст, изображение, аудио, видео. - Основана на архитектуре Qwen Omni (Thinker-модуль, без генерации текста). - Контекст - до 32 768 токенов, размер embedding — 2048. - Оптимизирована под GPU, поддерживает FlashAttention 2. Это делает её идеальной для: - кросс-модального поиска (поиск текста по видео или изображению); - улучшения RAG-проектов; - систем мультимодального понимания контента. Просто, быстро и эффективно - всё в одном открытом решении. 🌐 Открытая модель: https://huggingface.co/nvidia/omni-embed-nemotron-3b @ai_machinelearning_big_data #crossmodal#retrieval#openAI#NVIDIA#OmniEmbed#multimodal#AIModels#OpenSource#Search#UnifiedEmbedding