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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #52 · 19.06

У Каца обстоятельный ролик про самокаты. Самое главное — приводятся исследования, показывающие, что на электросамокаты чаще пересаживаются именно с автомобиля и такси, а не с общественного транспорта. Это, пожалуй, был самый неоднозначный момент в спорах, в том числе в моих дискуссиях с некоторыми людьми в комментариях под предыдущими записями. Даже фанаты автомобилей в общем-то понимают, что снижение автомобилизации города это благо для всех его жителей, включая самих автомобилистов. Но некоторые сторонники автомобилей выступали против электросамокатов с риторикой «Пусть эти люди продолжают пешком ходить / на автобусах ездить». На деле рассматривается так называемая «проблема последней мили» — перемещение от крупного транспортного узла до точки назначения. И ее очень плохо решает рейсовый общественный транспорт, но хорошо решают такси, каршеринг и, с некоторыми поправками, личные авто. Средства микромобильности, к которым относятся велосипеды и самокаты, тоже призваны решать именно эту проблему. Так что да: электросамокатчик это по статистике чаще всего не выехавший на дорогу автомобилист (на своей машине или каршеринге/такси). Впрочем, выводы Кац, разумеется, делает самые банальные, ничего не говорящие о том, как решать проблему простым жителям здесь и сейчас. Надеяться на какую-то адаптацию городов в России для людей было бы очень наивно. P.S. Недавно проехался на кикшеринге с новым ограничением 20км/ч. По субъективным ощущениям стало сильно медленнее, но по часам — не сильно медленнее. Все ещё один из самых удобных способов перемещения по городу. #life https://youtu.be/UOSOPAlxwD4

Hashtags

Резултати

Намерени 2 подобни публикации

Търсене: #imageediting

当前筛选 #imageediting清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8240 · 09.08.2025 г., 14:01

🖼️ GPT-Image-Edit-1.5M — крупнейший и полностью открытый датасет для редактирования изображений по тексту! 🚀 1.5 миллиона триплетов: инструкция + оригинальное изображение + отредактированное по запросу Как мы это сделали? Мы переосмыслили и усилили три известных датасета (OmniEdit, HQ-Edit, UltraEdit) с помощью новой GPT-Image API. 📊 Результаты впечатляют: Модель FluxKontext, дообученная на этом наборе, показывает: ▫️ 7.24 на GEdit-EN ▫️ 3.80 на ImgEdit-Full ▫️ 8.78 на Complex-Edit — на уровне с топовыми проприетарными решениями! 🎯 Инструкции выполняются точно, а изображения выглядят реалистично. Цель — сократить разрыв между open-source и закрытыми системами редактирования. 🔗 Подробнее: 🌐 Проект: https://ucsc-vlaa.github.io/GPT-Image-Edit/ 💻 Код: https://github.com/wyhlovecpp/GPT-Image-Edit 📦 Датасет: https://huggingface.co/datasets/UCSC-VLAA/GPT-Image-Edit-1.5M 🤖 Модель: https://huggingface.co/UCSC-VLAA/gpt-image-edit-training 📄 Статья: https://arxiv.org/abs/2507.21033 @ai_machinelearning_big_data #AI#ImageEditing#OpenSource#GPT4V#Multimodal