@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
TGINSIGHT SIMILAR POSTS
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
Търсене: #image2image
@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
@phygitalcreative · Post #3158 · 29.06.2023 г., 13:26
Mixed Image Editing Playground AI выкатили редактор изображений с большинством последних достижений в этой области. #image2image#imageediting
Hashtags
@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