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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #676 · 2.12

Не выдержал и заказал один DJI O3 Air Unit, посмотрим :) FPV-квадрокоптер это летающая платформа с камерой. И эти контуры более менее друг от друга изолированы: можно снять всё, что касается видео, и по-прежнему будет летать и нормально управляться, правда, пилот не сможет ничего видеть. То есть там полётный контроллер со своим радиоприёмником, отдельно радиопередатчик и камера для видео, и ещё почти всегда ставили отдельно камеру для съёмок — просто прикручивали сверху GoPro. С полётным контроллером и его радиомодулём всё хорошо — научились делать очень круто, работает чётко, опенсорсная прошивка, отличная дальность. А вот у видео были проблемы. Долгое время оно было вообще аналоговое, но пришла компания DJI и кроме собственных отдельных дронов стала выпускать Air Unit — модульную камеру с передатчиком, которую можно поставить на фактически любой дрон. При этом видео цифровое и передаётся только в очки от DJI. Это был отличный ход: качество у такого видео лучше, чем у аналогового, поэтому FPV-шники стали массово скупать очки от DJI, китайские компании массово приобрели у DJI лицензию на выпуск своих модулей с их чипами (Caddx, например, она у меня на одном из дронов стоит), на аналоге остались разве что дроно-гонщики, там слишком важна задержка между картинкой и реальным временем. Но потихоньку стали появляться решения от других производителей: например Walksnail Avatar — тут тебе и очки сразу и видеомодуль. Сами DJI выпустила новые очки, оказавшиеся несовместимыми с Air Unit. А ещё они же релизнули FPV-дрон Avata, который хоть и хороший, но не даёт той гибкости, которая нужна крутым (и не таким богатым :)) ребятам. Казалось бы — ну всё, лидерство DJI в области видеопередачи для FPV-дронов постепенно заканчивается. А, ну и параллельно с этим всегда была проблема "на что снимать?". GoPro очень тяжёлая. А всё, что лёгкое — не слишком качественное. Сами GoPro выпустили версию Bones со снятым всем подряд, кроме самого необходимого. Ещё активно делали (причём, как люди сами, так и фирмы) так называемые GoPro Naked — разбирали камеру, выкидывали аккумулятор и экран, печатали новый корпус полегче. И тут бац тебе: O3 Air Unit. Это камера от DJI Avata с видеопередатчиком, которую можно установить на любой дрон. Качество на голову выше, чем у всего, что есть на рынке. Достаточное, чтобы на эту камеру даже можно было снимать, а не только смотреть, куда летишь. Совместимая со всеми версиями очков. Решает сразу очень много проблем. FPV-шники теперь ещё больше будут покупать дорогущие очки от DJI обеих версий. Вишенкой на торте ещё и идёт тот факт, что камера впаивается, то есть ты её так просто с одного дрона на другой не поставишь. А у летающих ребят обычно по 2-3-5-10 дронов. Ну, экономику считайте сами. Гениальный ход, как по мне :) И очередной Game Changer. #drone

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #controllablegeneration

当前筛选 #controllablegeneration清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8057 · 14.07.2025 г., 18:02

🧠 Как «вклеить» объект в картинку так, чтобы он выглядел естественно? Это одна из самых сложных задач в семантической генерации: 🔸 нужно сохранить структуру сцены 🔸 вставить объект по текстовому описанию 🔸 и найти уместное место, а не просто налепить поверх Большинство моделей с этим не справляются — объект добавляется не к месту или портит фон. Новый метод Add-it от NVIDIA решает эту задачу без обучения модели. Он расширяет механизм внимания в диффузионных моделях, чтобы учитывать сразу три источника: 1. Оригинальное изображение 2. Текстовый промпт 3. Промежуточную сгенерированную картинку 📌 Такой подход позволяет: – сохранить геометрию сцены – встроить объект туда, где он действительно мог бы быть – не терять мелкие детали и текстуры 📊 Результаты: – Add-it без дообучения обходит supervised‑модели – На новом бенчмарке Additing Affordance показывает SOTA результат по «естественности размещения» – В слепых тестах люди выбирают его в 80% случаев – Улучшает метрики качества генерации 🟠Github: https://github.com/NVlabs/addit 🟠Demo: https://huggingface.co/spaces/nvidia/addit 🟠Paper: https://arxiv.org/abs/2411.07232 🟠Project: https://research.nvidia.com/labs/par/addit/ @ai_machinelearning_big_data #NVIDIA#Diffusion#Addit#StableDiffusion#AIgen#ControllableGeneration