Намери подобно съдържание

Изходен канал @clockstackwheels · Post #604 · 21.10

Сегодня вышла игра Gotham Knights по комиксам DC. В самой игре, судя по всему, ничего интересного нет. Как минимум, она кооперативная — для полноценного экспириенса нужно иметь друзей, которые играют в ту же игру, и проходить её с ними по сети, выделив одновременно (!) по несколько свободных часов каждому. Ещё и чтобы были доступны сетевые сервера из тех стран, где вы все живёте. Множество невыполнимых условий, особенно для русского 30+. Но была забавная ситуация — неделю назад в Дискорде разработчики игры сказали, что она не будет поддерживать частоту больше 30 fps даже на консолях нового поколения. Из-за этого игроки начали массово отменять предзаказы, писали об этом в Твиттере, поехала цепная реакция. Как минимум несколько сотен отмен было, потом ещё и отдельный опрос на крупном форуме, который показывал, что игру не собираются покупать в том числе и те, кто до этого хотел. Лично мне загоны про fps всегда казались странными. Я вижу отличия между 30 и 60, но не сказал бы, что эта разница имеет для меня хоть какое-нибудь заметное значение. Наверное для киберспорта важно, но для получения удовольствия от казуального мультика не критично. Мне скорее стало интересно: вот эту сотрудницу Warner Bros. Montreal, после сообщения которой начались отмены предзаказов — её же наверняка боссы поругают за потерю некоторой доли прибыли, может даже премии лишат. Следовало ли ей так говорить? Да, она сказала правду, но, уверен, этот вопрос можно было бы как-то обойти. Думаю, игроки уже после запуска не особо обратили бы внимание на fps, и уж точно не такой процент людей стал бы закрывать игру, удалять её и возвращать деньги. Вроде бы принцип "Нужно быть честным и говорить о своём продукте правду" — это хорошо и правильно. Тем не менее, в реальной жизни следует учитывать ещё и, например, что ваши потребители могут быть истеричками. Отсюда и появляются все эти политически-обтекаемые ответы на вопросы, в которых на самом деле нет никакой сути. У Азимова в "Основании" описан специальный лингвоматематический набор уравнений, через которые можно пропустить любой текст так, чтобы остался только настоящий смысл этого текста без воды. И там как раз речь одного политического посла пропустили, получился на выходе пустой лист. Вот так нужно разговаривать с толпой :) #games

Hashtags

#games

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

Намери подобни Прегледай

🌟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

Hashtags

#ai #ml #ar #t2i #bitdance