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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #346 · 16.05

Недавно Илон Маск написал, что у Нетфликса проблемы с доходами из-за повесточки. Удивительно, что такое пишет американец — я был уверен, что американцы как раз довольно слепы к тому, насколько абсурдной выглядит вездесущая повестка. И что скорее у русских людей пригорает: редко когда на русскоязычных ресурсах под любым новым релизом фильма или сериала нельзя найти комментарии разной степени язвительности о расах и ориентациях персонажей. А тут и у Маска пригорело, оказывается. Повестку действительно трудно не замечать, ей прямо тычут в лицо, если не в фильмах, то в современных американских сериалах практически повсеместно. Проникновение в кино пока меньше, хотя тоже есть, и, судя по анонсам, будет усиливаться: новый Джеймс Бонд это чернокожая девушка, новый Железный Человек это чернокожая девушка, я вообще не понимаю, как белых мужчин в принципе ещё пускают на съёмочную площадку. Слово "обратный" в термине "обратный расизм" или, например, "обратная дискриминация" — не совсем подходящее, но хорошо отражает суть: давайте осознанно и умышленно быть расистами и сексистами против людей, которые до этого долгое время были расистами и сексистами. И я даже не говорю о том, что принцип "око за око" может быть не только спорным сам по себе, но и порождать потенциально бесконечные качели. Мне просто весь подход кажется очень формальным и искусственным: примерно как попытка на выходных выспаться за всю неделю. Если просто взять и принудительно в сверх-форсированном режиме показывать по 10 представителей меньшинств в каждой серии каждого нового сериала, это не исправит десятилетия и столетия притеснений, но при этом и качество сериала уронит, и вызовет некоторое раздражение у людей. На мой взгляд бороться со столетием притеснений нужно вот как: следующие сто лет показывать представителей меньшинств в нормальной репрезентации. Вот по статистике что-то около 2% геев — ну и сделайте 2% персонажей геями случайным образом, а не 20% просто ради демонстрации. Аналогично с расами, полами и так далее. Может ли быть Джеймс Бонд чернокожей девушкой? Конечно. И Железный Человек может. Но вот чтобы одновременно: вероятность уже ниже. А чтобы ещё в десяти фильмах и сериалах ВНЕЗАПНО значимые роли достались меньшинствам — это прямо совсем какое-то магическое совпадение. Вместо мысли "геи это нормально" закрепляется мысль "геи это навязчиво и раздражающе" (да простят меня геи, которые это читают). Что-то мне кажется, лет через десять мы не очень будем жалеть об уходе из страны американского кино, даже при том, что американская киноиндустрия де-факто является на текущий момент крупнейшей в мире, и во многих жанрах просто нет никаких хоть сколь бы то ни было качественных альтернатив. #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