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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #597 · 15.10

Я таки упросил VK включить мне новый дизайн (спасибо). Иронично, что его включили куче моих друзей: тем, кто не ведёт страницу, тем, кому пофиг, и даже тем, кто ненавидит редизайны. А мне не включили сразу, хотя я люблю редизайны и веду в VK блог. Ну, минус в том, что это опять калька с Фейсбука. Конечно плохо: у ребят из ВК точно много своих идей, непонятно, почему до сих пор копируется с FB, который прям очень очень плох по визуалу и удобству, почти худший крупный сервис в современном интернете. Тем не менее, конкретно обложка для профилей мне понравилась на Фейсбуке ещё 10 лет назад, когда я её впервые увидел. И очень хорошо, что VK сейчас сделал акцент на контенте. Не знаю, обозначает ли это начало каких-то более масштабных изменений, чтобы возродить текстовые блоги (кажется, их потенциальную аудиторию из ВК прогнали почти всю). Есть предположение, что визуальным изменением профилей всё и закончится, а ленты всё так же будут забиты пабликами, и взрослые люди, включая сотрудников самого ВК, всё так же будут постить и комментировать в Instagram/Telegram. Конкретно тут я бы убрал нафиг блок с подарками — не нужен. "Подписчики" теперь смешаны с друзьями, это сбивает, хотя привычная концепция друзей в соцсетях давно умерла. А вот в блоке "подписки" ставил бы индивидуальных авторов выше, чем паблики. Ну и, конечно же, отовсюду удалять "Клипы" обязательно. #web

Hashtags

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