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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #412 · 2.07

Собираю тут дрон в путешествие, примерил крепление для GoPro. На простых FPV-дронах присутствие GoPro — обычное явление. Курсовая камера обычно не слишком высокого качества, и для окончательного видео ведут запись отдельно. Но зачем это на DJI, у которого и так камера с хорошими характеристиками? Всё дело в стабилизации. С одной стороны, у GoPro на борту алгоритм Hypersmooth, который неплох, но не превосходит бортовой же алгоритм, встроенный в DJI. По крайней мере, разница совершенно точно не стоит добавочных 200 грамм веса и добавочных денег на покупку GoPro. Но всё меняется, когда речь заходит о постобработке. GoPro пишет данные с гироскопа, синхронизированные с видеорядом, то есть угол наклона и другие движения можно вычислять не с помощью анализа изображения, а просто знать действительные значения в момент съёмки. Это позволило им выпустить программу ReelSteady, которая стабилизирует, как боженька. Ничто даже близко не подобралось к ней. Результат стабилизации невероятно офигенный и на три головы превосходит абсолютно все другие решения на рынке. Из-за этого многие владельцы DJI FPV, как и я, прикручивают на свой дрон GoPro, жертвуя маневренностью и полетным временем (а в случае аварии ещё и дополнительными деньгами). Очень странно, что компания DJI сама не сделала ничего подобного: гироскоп в системе есть, алгоритм стабилизации известен — да, существует опенсорсная альтернатива ReelSteady под названием GyroFlow, работает ничуть не хуже. Но факт остаётся фактом: стабилизация на основе гиро-данных на световые годы впереди всего остального. Она, конечно, требует изрядных вычислительных ресурсов и не может быть произведена прямо на борту дрона или экшен-камеры. Даже мощный компьютер справляется не в реальном времени. Тем не менее, для получения действительно качественного результата это всё оправдано. Я пока ни разу не пробовал сам летать с GoPro. Если не убьюсь о первую же скалу в Карелии, вы сможете увидеть результат через пару недель. #gadgets#drone

Резултати

Намерени 2 подобни публикации

Търсене: #faiss

当前筛选 #faiss清除筛选
GitHub Trends

@githubtrending · Post #15295 · 11.11.2025 г., 17:00

#python#ai#faiss#gpt_oss#langchain#llama_index#llm#localstorage#offline_first#ollama#privacy#python#rag#retrieval_augmented_generation#vector_database#vector_search#vectors LEANN is a tiny, powerful vector database that lets you turn your laptop into a personal AI assistant capable of searching millions of documents using 97% less storage than traditional systems without losing accuracy. It works by storing a compact graph and computing embeddings only when needed, saving huge space and keeping your data private on your device. You can search your files, emails, browser history, chat logs, live data from platforms like Slack and Twitter, and even codebases—all locally without cloud costs. This means fast, private, and efficient AI-powered search and retrieval on your own laptop. https://github.com/yichuan-w/LEANN

GitHub Trends

@githubtrending · Post #15168 · 25.09.2025 г., 12:30

#python#ai#context#embedded#faiss#knowledge_base#knowledge_graph#llm#machine_learning#memory#nlp#offline_first#opencv#python#rag#retrieval_augmented_generation#semantic_search#vector_database#video_processing Memvid lets you store millions of text pieces inside a single MP4 video file using QR codes, making your data 50-100 times smaller than usual databases. You can search this video instantly in under 100 milliseconds without needing servers or internet after setup. It works offline, is easy to use with simple Python code, and supports PDFs and chat with your data. The upcoming version 2 will add features like continuous memory updates, shareable capsules, fast local caching, and better video compression, making your AI memory smarter, faster, and more flexible. This means you get a powerful, portable, and efficient way to manage and search huge knowledge bases quickly and easily. https://github.com/Olow304/memvid