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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #764 · 20.02

Этой ночью выходит Atomic Heart — игра от русских разработчиков студии Mundfish с претензией на высокобюджетный ААА-проект. Первые превью появились, кажется, лет 6 назад, и тогда многих привлёк оригинальный визуальный стиль: Atomic Heart это шутер в эстетике Советского Союза из недалёкого будущего. С одной стороны, есть роботы, ИИ, и люди со сверхспособностями. С другой стороны привычные геометрически минималистичные формы из крашеного железа и глянцевого пластика, которые легко увидеть на каком-нибудь старом складе, заполненном советским оборудованием. Развитие проекта переживало несколько кризисов. Вообще, любой проект таких масштабов обречён не успевать в сроки: это не умеют делать даже супер опытные крупнейшие западные студии с миллиардными бюджетами. Неудивительно, что Atomic Heart от новичков из России не только побывала в производственном аду с переработками и скандальными увольнениями, но в какой-то период про неё всерьёз ходили слухи, будто бы никакой игры нет и не было никогда, а все материалы это обман. Стоит ли говорить, что год релиза тоже оказался наиболее неудачным. Успей студия доделать всё в 2021, может, Россия побывала бы в топ-листах ААА-игр. Сейчас же разработчикам пришлось воспользоваться фактом своей регистрации на Кипре и разделить потоки продажи в России и на Западе, сталкиваясь с хейтом с той и другой стороны. Со стороны Запада начались попытки канселинга за то, что у Mundfish русские корни, и за то, что они не высказали открытой антироссийской позиции. Я уже неоднократно писал, что, например, компания JetBrains, имея русских основателей и больше половины русского штата, заняла публично антироссийскую позицию сразу же, максимально сохраняя свои продажи на Западе. Хотя некоторое количество хейта от украинцев в сторону JetBrains всё равно есть: дескать, полностью ушли из России слишком поздно, закрывали процессы и перевозили людей, а нужно было сразу. Mundfish не делали политических заявлений вообще. Написали общие вещи, что они против войны, но не стали писать, что они против России и отказываются продавать здесь свою игру. Из-за этого, например, не так сложно встретить англоязычные статьи с призывом саботировать проект полностью. Впрочем, в России авторы тоже огребли: дело в том, что цифровым издателем выступила VK со своей малоизвестной площадкой для игр VKPlay. Продажи через любимый геймерами Steam были заблокированы не только в России, но и в Казахстане, Армении и других смежных регионах. И, если россиянин, нелегально использующий Steam из-под казахского аккаунта, вряд ли имеет право предъявлять претензии, то вот вполне настоящие жители того же Казахстана по непонятной причине столкнулись с блокировкой, хотя на их страну никто никаких санкций не накладывал. Плюс — чего уж говорить — публичная репутация у VK, мягко говоря, не слишком высокая: десятки комментариев о том, что игру не станут покупать просто чтобы не связываться с каким-либо продуктом от VK. Не знаю, будет ли Atomic Heart хорошей игрой. На общемировом уровне, мне кажется, будет средненькой. По видеороликам кажется, что импакта от выстрелов нет, а в шутере это почти что самое главное. Способности персонажа тоже выглядят довольно бесполезными. Тем не менее, я купил максимальную версию, чтобы поддержать авторов, которые прошли через и без того сложный процесс разработки, а в конце ещё и столкнулись с неадекватной агрессией, и при этом проявили себя сдержано и достойно. Но на игру, конечно же, тоже посмотрим. #games

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #bfl

当前筛选 #bfl清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #9625 · 05.03.2026 г., 13:26

🌟Self-Flow: обучение диффузионных моделей без внешних энкодеров от Black Forest Labs. Black Forest Labs и MIT решили проблему, с которой сталкиваются диффузионные и flow-модели: чтобы генерировать качественные картинки, им нужны сильные семантические представления. Обычно их берут снаружи - выравнивают внутренние признаки модели с признаками энкодера вроде DINOv2. Метод работает, но есть нюанс. Чем сильнее энкодер, тем хуже результат: в экспериментах замена DINOv2-B на более мощный DINOv3-H+ стойко ухудшала FID. Модель привязывалась к фиксированным внешним представлениям и переставала масштабироваться. На видео и аудио выравнивание с энкодерами V-JEPA2 и MERT вообще давало результат хуже ванильного flow matching. 🟡Self-Flow предлагает механизм Dual-Timestep Scheduling В стандартном flow matching все токены нойзятся одинаково, поэтому модель решает задачу локально и не учится строить глобальные связи. Self-Flow сэмплирует 2 разных уровня шума и случайно назначает их разным токенам (часть входа зашумлена сильнее, часть чище). Это создает асимметрию: чтобы восстановить сильно зашумленные токены, модель вынуждена опираться на чистые и строить глобальный контекст. Поверх этого работает самообучение по принципу дистилляции. Обучаются одновременно 2 копии модели: модель-ученик видит смешанный зашумленный вход, модель-учитель - более чистую версию (EMA-копия с экспоненциальным скользящим средним). Ученик учится предсказывать признаки учителя из зашумленного входа, и это вынуждает его развивать сильные семантические представления без какого-либо внешнего энкодера. 🟡Результаты тестов 🟢На ImageNet 256×256 Self-Flow показал FID 5.70 против 5.89 у REPA; Это, кстати, первый случай, когда self-supervised метод превзошел внешнее выравнивание на этом бенче 🟢На text-to-image: FID 3.61 против 3.92 у REPA; 🟢По видео: FVD 47.81 против 49.75 у REPA; 🟢По аудио: лучшие FAD-оценки среди всех вариантов. При этом на масштабировании (с 290M до 1B) разрыв с REPA увеличивается: модель Self-Flow на 625M параметров обходит REPA на 1B. Метод универсален для модальностей - он работает одинаково на картинках, видео и аудио, что намекает на применение для мультимодального обучения. В репозитории проекта есть код инференса на основе SiT-XL/2 с per-token timestep conditioning, чекпоинт на основе ImageNet 256×256 и скрипты для генерации сэмплов под FID-оценку через ADM evaluation suite. Поддерживаются режимы SDE и ODE, мульти-GPU через torchrun. 🟡Статья 🟡Техотчет 🖥GitHub @ai_machinelearning_big_data #AI#ML#Multimodal#Framework#BFL