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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #516 · 25.08

Сегодня DJI представили свой новый FPV-дрон под названием Avata. Слухи о нём были уже давно, в сеть полностью слили и его дизайн, и характеристики, так что сегодняшний анонс скорее формальность. Хочу отметить, насколько хорошо DJI проводит работу над ошибками. Мало какая крупная компания с каждым новым релизом умудряется исправить большинство критических косяков, на которые жаловались пользователи в предыдущих версиях. DJI явно мониторит комментарии сообщества и следит за отзывами. Самые серьёзные недостатки DJI FPV (первой версии FPV-дрона от них): - большой вес, из-за чего низкая маневренность - плохое качество камеры - небольшой угол обзора камеры, причём даже в такой небольшой иногда попадали винты - плохая система стабилизации Из-за трёх последних пунктов владельцы DJI FPV, и я в том числе, крепят на него сверху дополнительно GoPro, что усугубляет первый пункт и сильно уменьшает полётное время. В Avata исправили абсолютно всё: он лёгкий и манёвренный, по первым обзорам качество камеры значительно улучшили, угол тоже увеличили, и полностью переработали систему стабилизации RockSteady 2.0: теперь она тоже использует гироскоп, судя по наличию в ней режима выравнивания горизонта. Ещё из крутых вещей: новые лёгкие и более компактные очки, в которых (наконец-то!) подумали о людях с близорукостью и сделали регулировку линз; защёлка от выпадения кабеля питания очков (реально бесило); встроенная память на 20Гб. Кстати, очень характерно, что новый дрон идёт в комплекте с Motion Controller'ом, а привычного пульта вообще нет. Управлять FPV-дроном с обычного пульта можно только после обучения. Видимо, в компании подумали, что опытные люди и так купят себе нужное оборудование. Что касается Motion Controller (это такой джойстик, который двигаешь прямо в воздухе, направляя дрон в нужную точку), у меня такой есть, и он меня совершенно разочаровал — чувствительность не настолько высокая, чтоб прям летать крутые траектории, которые возможны при управлении пультом. Не знаю, улучшен ли хоть как-то этот момент в Avata, нужно ждать подробных обзоров. В любом случае, это крайне серьёзное заявление на конкуренцию с FPV-миром. Первый DJI FPV был пробой пера: он не подходил профессионалам из-за своей тяжести и неповоротливости, а новичкам было слишком дорого его разбивать. Avata же наверняка станет интересна и тем, и другим. Пожалуй, самый серьёзный возможный косяк это отсутствие взломов прошивки на разблокировку мощности передатчика. В FPV критически важно иметь стабильную связь, но в ряде стран иметь мощный передатчик запрещено, поэтому его душат на уровне прошивки. Душат сильно, летать буквально практически невозможно. Появляются народные способы взломать прошивку, но по непонятной причине компания DJI с ними борется. Хотя наличие способа взлома не нарушает никаких законов, зато многократно увеличивает привлекательность покупки для людей за пределами США и ещё пары стран, где разрешены мощные передатчики. Ну и очки. Большие очки, которые у меня, кроме DJI умеют соединяться с дронами других производителей, и поэтому иметь такие очки удобно, даже если ты не покупаешь дрон от DJI. Если новые очки будут поддерживать только Avata и ничего больше, то их полезность даже при их удобстве становится более сомнительной. Посмотрим. #drone#gadgets

Резултати

Намерени 1 подобни публикации

Търсене: #bitdance

当前筛选 #bitdance清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #9534 · 17.02.2026 г., 09:02

🌟BitDance: авторегрессионная генерация изображений с бинарными токенами. Генеративные модели делятся на 2 лагеря: диффузионные и авторегрессионные. Вторые концептуально ближе к LLM - генерируют изображение токен за токеном, как текст. Проблема в том, что это очень медленно, а качество проигрывает диффузии. BitDance - экспериментальная 14B AR-модель, которая пытается решить оба этих вопроса разом. Этим проектом группа китайских рисёчеров показала, что правильный бинарный токенизатор + diffusion head + параллельный патчинг закрывает большинство претензий. Они локализовали 3 проблемы дискретных AR-моделей и закрыли каждую отдельным решением. 🟡Плохая реконструкция токенизатора Вместо VQ-кодбука тут используется бинарный токенизатор на основе квантования с групповым разбиением каналов. Словарь вырастает до 2²⁵⁶ (для сравнения: у Cosmos - 65536), при этом модель держит PSNR 25.29 против 24.81 у непрерывного DC-AE, то есть бинарные токены реконструируют изображение лучше, чем VAE у SANA. 🟡Нестабильный сэмплинг А как вообще выбирать из словаря в 2²⁵⁶ вариантов? Обучить классификатор на все возможные токены тут не вариант: такой слой не поместится ни в какую память. В качестве решения - прикрутили diffusion head, которая моделирует биты на непрерывном гиперкубе. То есть, модель предсказывает структуру битов через velocity-matching, что и позволяет сэмплить из гигантского пространства состояний. 🟡Скорость AR генерирует по одному токену за шаг. BitDance за один шаг выдает сразу 64 токена (или 16), при этом модель понимает, как они связаны между собой внутри этого блока. Громко заявленный результат: 30x ускорение относительно next-token AR при сопоставимом качестве. об этом в конце 🟡Тесты На мелкой версии ImageNet BitDance-H достигает FID 1.24 (лучший результат среди AR-моделей, наравне с xAR-H). На DPG-Bench (text-to-image) полноценная BitDance набирает 88.28 - это выше FLUX.1-Dev, SD3, Janus-Pro, но уступает Seedream 3.0 и Qwen-Image. В релизе 2 версии 14B модели, с предикшеном на 16 и 64 токена и макс. разрешением 1Мpx. Остается вопрос: насколько бинарный токенизатор + diffusion head добавляет латентности на каждом шаге, даже если самих шагов стало меньше из-за патчинга. 30x по скорости - это сравнение не с диффузионными моделями, которые уже умеют генерировать за 4–8 шагов. 14B - это не про "взял и запустил". Есть конечно версии на ImageNet с разрешением 256х256 для воспроизведения эксперимента, но не за этим мы сюда пришли. 📌Лицензирование: Apache 2.0 License. 🟡Страница проекта 🟡Arxiv 🟡Модель 🟡Demo 🖥GitHub @ai_machinelearning_big_data #AI#ML#AR#T2I#BitDance