Намери подобно съдържание

Изходен канал @clockstackwheels · Post #65 · 12.07

Попробовал полетать на новом дроне. Этот дрон — шаг от простого пилотирования к более сложному, но дающему больше возможностей и более динамичную картинку. Обычный дрон ожидает от пилота направление и скорость движения, об остальном заботится компьютер: сам рассчитывает углы и частоту вращения моторов, корректирует положение по GPS, использует детекторы препятствий и так далее. В съёмке с такого дрона тоже есть свои сложности — например, очень многие пилоты не умеют снимать без рывков по рысканию. Даже в недавней новости про самоходную океаническую посадочную платформу Илона Маска съёмки с дрона сделаны плохо, а пилот явно не обладал достаточным опытом. Тем не менее, на обычных дронах быстро упираешься в возможности по движениям, и дальнейшее расширение уровня интересности происходит, например, за счёт съёмок самых редких и отдаленных мест, которые даже с земли смотрятся круто. Если бы я был безработным миллиардером, не вылезающим из путешествий, то обычного дрона мне было бы более чем достаточно. Но при жизни обычного смертного за 5 лет съёмок захотелось чего-то нового. Поэтому я стал исследовать направление FPV — то есть First Person View. Это те ребята, которые пролетают под поездами и маневрируют внутри заброшек. С такого дрона можно снять крутое динамичное видео даже в довольно обычном месте, но управление гораздо сложнее: компьютер за вас почти ничего не решает, пилот сам определяет углы и скорости, поэтому требуются долгие тренировки. Вот компания DJI в начале года выпустила DJI FPV — я бы сказал, что это дрон для перехода от первого ко второму. Тут есть и полностью компьютерный и полностью ручной режим. И в целом дрон совмещает в себе некоторые черты двух миров. Изображение передаётся прямо в очки — и это сильно меняет ситуацию, потому что гораздо лучше понимаешь местоположение коптера и расстояния до объектов. Можно летать гораздо смелее. Плюс, выше скорость и нет коррекции крена, видео получаются более «самолетные». Дополнительно я взял джойстик, позволяющий управлять наклонами, и мне после него не хочется возвращаться обратно к скучному пульту (хотя самый сложный режим управления для профи требует всё-таки пульт). В целом сильное смещение в сторону индивидуальных ощущений «как-будто это я сам летаю», а не «полетал для последующего видео». Всерьёз иногда хочется запустить в воздух дрон просто для осмотра местности с высоты, а не для записи. Ниже пока что самый нубский тестовый полет. Буду совершенствоваться. #drone https://youtu.be/Lv0LYu-PGNg

Hashtags

#drone

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