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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #740 · 25.01

Питер Уоттс, «Ложная слепота». Прочитал эту книгу по рекомендации, и оказалось в точку — очень самобытная наполненная интересными идеями твёрдая научная фантастика. Из тех, которые надолго запоминаешь, и идеи из которых хочется вспоминать и обсуждать в каких-нибудь разговорах потом. Будущее, человечество в состоянии технологической сингулярности. Уже есть репликаторы, создающие абсолютно любой предмет, уже есть бессмертие в виде загрузки сознания в сеть. Различные импланты и кибер-дополнения стали обыденностью. Семей давно не существует, а в отношения люди вступают, как правило, через виар (при этом лично тоже видятся, но в основном для совместной работы, если это необходимо). Некоторые люди сильно сплетены с искусственным интеллектом и решают различные глобальные проблемы, при этом общаться с ними остальные не могут — не понимают, слишком большой разрыв в мышлении. Для такого общения существуют «синтеты» — люди с наполовину кибернетическим мозгом, способные понимать людей-компьютеров и рассказывать простым «исходникам», как их называют, что имелось ввиду. Конкретно главный герой тоже синтет, он лишён эмпатии, а поведение, похожее на человеческое, в основном эмулирует. Ещё в этом мире есть вампиры, и это прикольный ход для твёрдой научной фантастики: по сюжету это мутация людей, параллельная ветка развития. Вампиры умнее, быстрее и сильнее человека. Но, вот незадача, в их зрительной коре есть дефект, вызывающий эпилептический припадок каждый раз, когда вампир видит большое количество прямых углов. В живой природе прямых углов нет, поэтому эволюция не помешала этому багу развиться. Можете догадаться, каким именно образом люди в итоге их победили в прошлом :) Вампиры вымерли, а потом были людьми воскрешены из раскопок и поставлены под контроль именно с помощью этого дефекта. В общем, в какой-то момент над землёй появляется куча инопланетных зондов, которые одновременно сгорают и отдают сигнал куда-то вовне. Туда снаряжают экспедицию, которая должна совершить первый контакт и разобраться, что происходит. А дальше крутая смесь детектива, ужасов и философского трактата. Отдельно порадовали моменты, в которых сначала происходит какая-то жуткая непонятная крипота, а потом у всего находится логичное и научное объяснение. Ещё много сильнейших высказываний о мышлении и природе сознания, заставляющих надолго задуматься. В каком-то смысле мне больше понравилась представленная здесь модель непознаваемого инопланетного разума, чем в «Солярисе». Следует отметить своеобразный язык: кажется что автор немного злоупотребляет научным стилем и терминами, в реальности люди (даже учёные) разговаривали бы проще, на мой взгляд, и автор в некотором смысле заигрывает с аудиторией, для которой важна эта внешняя стилистика. Тем не менее, каких-то известных мне научных противоречий я не нашёл. Всё по делу, и автор явно хорошо готовился. Если любите твёрдую НФ и, прочитав первые 20-30 страниц, привыкните к стилю, то очень рекомендую. #fiction

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #aigen

当前筛选 #aigen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