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 3 подобни публикации

Търсене: #image2image

当前筛选 #image2image清除筛选
PHYGITAL+CREATIVE

@phygitalcreative · Post #3136 · 26.06.2023 г., 01:04

А вот подвезли официальный код DragGAN. Интересно насколько его работа отличается от неофициальной имплементации. В основе StyleGAN3 и StyleGAN-Human. Код #image2image

Hashtags

GitHub Trends

@githubtrending · Post #14988 · 23.07.2025 г., 00:00

#python#deep_learning#diffusion#flax#flux#hacktoberfest#image_generation#image2image#image2video#jax#latent_diffusion_models#pytorch#score_based_generative_modeling#stable_diffusion#stable_diffusion_diffusers#text2image#text2video#video2video The Hugging Face Diffusers library is a powerful and easy-to-use tool for generating images, audio, and 3D molecular structures using advanced diffusion models. It offers ready-to-use pretrained models and flexible components like pipelines, schedulers, and model building blocks, allowing you to quickly create or customize your own diffusion-based projects. Installation is simple via pip or conda, and you can generate high-quality outputs with just a few lines of code. This library benefits you by making cutting-edge AI generation accessible, customizable, and efficient, whether you want to run models or train your own[1][2][5]. https://github.com/huggingface/diffusers