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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #536 · 5.09

Сегодня впервые попробовал Nazgul 5. Очень страшно, но очень круто. О впечатлениях от полета я расскажу завтра, когда будет готово видео. А пока повосхищаюсь самим аппаратом. Nazgul 5 это пятидюймовый гоночно-фристайловый квадрокоптер от китайской компании iFlight. "Пять дюймов" в обозначении класса дронов — это диаметр окружности, описанной вокруг пропеллера. Ещё у меня лежит нераспакованный 7" коптер и идёт по почте 3.5". Такие дроны делаются совсем не так, как у DJI. Здесь всё принесено в жертву эффективности и модульности: рама из листового карбона, распространенный полётный контроллер с open source прошивкой, и, что меня особенно поразило — первый в моей жизни коммерческий серийный продукт, где всерьёз используются 3D-печатные детали. Знаю, что подобное встречается у самих 3D-принтеров, но там скорее некоторая дань моде, а здесь буквально уместное применение: компания предоставляет модели для самостоятельной печати, если ты после падения что-то сломаешь. При этом сборка очень добротная, качество высокое, есть претензия на дизайн. Девайс приятно вертеть в руках, он ощущается эдакой выжимкой "всё нужное и ничего лишнего". Но, конечно, здесь не будет как у DJI: достал из коробки и пошёл летать. Сначала я потратил вечер на всякие настройки прошивки через компьютер и связывание этого всего с пультом и очками. Очки кстати подходят от DJI, а вот пульт нужен специальный, который я разбирал в одном из предыдущих постов. Аккумулятор у такого дрона покупается отдельно и крепится к раме обычными ремнями-липучками. Он даже не ощущается частью общей конструкции, а скорее некоторым грузом, который коптер везёт на себе. В общем, по-своему красивая и гармоничная вещица. А уж в полёте... Но об этом завтра :) #drone#gadgets

Резултати

Намерени 3 подобни публикации

Търсене: #image2image

当前筛选 #image2image清除筛选
PHYGITAL+CREATIVE

@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

GitHub Trends

@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