@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 #513 · 22.08
Что можно относительно безопасно брать на Кикстартере, так это настолки. В самом деле. Если мы говорим об электронике, то с ней вечно непредвиденные проблемы. Немало случаев, когда авторы кампании с каким-либо гаджетом собирали миллионы баксов, но производство наладить так и не могли. Причём, не обязательно из-за злого умысла (своровали деньги и убежали). Просто предсказать все подводные камни и нюансы при производстве железяк очень сложно. Об этом кстати в своих апдейтах писали авторы Flipper, о котором я уже вам рассказывал (тут ребята молодцы, выполнили свои обязательства даже в сложных для этого условиях). Или вот, видеоигры. Не родился ещё такой разработчик, который может правильно оценить сроки. Даже Rockstar с их дичайшими переработками и людьми, ночующими в офисе, не могут выпускать игры вовремя, а уж чувак с Кикстартера... В общем, вы все, скорее всего, знаете про Star Citizen. А кто-нибудь из вас ещё и знает про Limit Theory (но если не знаете, не гуглите, я потом расскажу, интересный случай!). С настолками дела обстоят лучше. Настолку можно полностью сделать и оттестировать сотнями партий, потратив на это чуть-чуть бумаги и чернил для принтера. Разработка настолки может упереться только в отсутствие денег на художников (и отсутствие хорошего менеджмента этих художников, чтобы они не сливались один за другим :) ). Но если в игре простая графика, то такая игра отличный кандидат на краудфандинг — посчитать цену печати не сложно, и никаких подводных камней там нет. Тема отлично масштабируется: либо народ оценит и купит, тогда ты в плюсе, либо нет, тогда ты особо ничего не потерял, кроме времени. Поэтому настолки на Кикстартере и похожих ресурсах крайне редко не выполняют своих обязательств, и покупать их там можно смело. У меня оставалась непотраченная prepaid-карта, и я бэкнул игру Moon — судя по виду это дальний родственник 7 Wonders — стратегия на составление стэка карт, которые друг с другом взаимодействуют и обеспечивают тебе один из нескольких путей к победе. Минималистичный, но милый дизайн плюс интересная мне хайтек-тема освоения Луны. Кампания оказалась популярна и собрала абсолютно все заявленные стретч голы (дополнительная награда за количество бэкеров), так что мне ещё и приедет какая-то убер-гипер-делюкс коробка с цветными фигурками и голографическими карточками. Но через год, да. Посмотрим. Предварительные ревью на BGG пока со средней оценкой 8.0, что очень хорошо. #games
Hashtags
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