Намери подобно съдържание

Изходен канал @clockstackwheels · Post #993 · 9.07

Trigger Warning: санкции, вкусовщина, личное мнение. Прочитал новость о снижении посещаемости кинотеатров в России. Спустя почти три года могу сказать, что нынешняя ситуация целиком уничтожила лично в моей жизни только две вещи: дроны и походы в кино. Всё остальное или чуть-чуть видоизменилось (перешёл с Fusion 360 на Компас, проблем не испытываю), или подстроилось вообще без заметных внешних эффектов (вместо Google Pay теперь платёжный модуль банка, например Alfa Pay, работает не хуже). Какие-нибудь 3D принтеры от топовых брендов всё так же продаются на Aliexpress с доставкой из России напрямую от производителя. Для покупки видеоигр и софта тоже куча вариантов. Стройматериалы есть (сделал 2 ремонта за последние 2.5 года), инструмент есть, электроника есть. Наверное, люди, которые любили путешествовать по Европам, испытывают больше неудобств. А пользователи Инстаграма и Фейсбука неудобств не испытывают, потому что они и так непрерывно едят кактус. Как и пользователи айфонов, впрочем, эти вообще готовы терпеть что угодно. И если с дронами всё очень трагично, то вот от кинотеатров я, похоже, отказался сам. Рефлексировал этот момент и понял вот что: иногда в кино выходило что-то, что я хочу посмотреть. Я порывался купить билет, но не из-за того, что в кинотеатре удобнее или качественнее, а просто ради возможности посмотреть что-то уже сейчас. Почти во всех случаях меня в итоге закручивали дела, и через пару месяцев я уже смотрел нужный фильм у себя дома. В этом смысле фильмы являются заложниками тех правил, по которым их сначала выпускают в кинотеатры и только потом уже в широком доступе. Был бы я готов платить деньги просто за получение фильма в момент выхода? Билет в хороший кинотеатр стоит порядка 1000 рублей, но ты отдаёшь эти деньги за инфраструктуру: комфорт, зал, звук, большой экран. Билет в плохой кинотеатр на тот же фильм будет стоить рублей 150-300. Если я не использую инфраструктуру кинотеатра и плачу только за доступ, то именно по этой цене и нужно смотреть. В таком случае да, пожалуй: дайте мне возможность заплатить эти 300 рублей и посмотреть дома фильм в момент его выхода, а не через несколько месяцев. Тем более, качество и комфорт дома будут кратно выше, чем в кинотеатре за 300 рублей. Понятно, что так не делают в первую очередь из-за пиратства, потому что кинотеатры позволяют гарантировать платёж, а цифровое распространение не позволяет. Но, всё-таки, надеюсь, современный тренд со всеми этими стриминговыми сервисами приведёт куда-то туда. #life

Hashtags

#life

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