TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

Изворен канал @pythonotes · Post #387 · 16 дек.

Доделал свой старый проект - инструмент для восстановления ориентации объектов в пространстве на основе опорных компонентов. Работает в Autdesk Maya. Основные возможности. ▫️просто выделите опорные (обычно симметричные или осевые) компоненты и укажите куда их ориентировать ▫️ операции для доворотов и центрирования ▫️ восстановление исходного расположения после восстановления трансформаций ▫️работает как с одним объектом так и с группой ▫️ открытый API для интеграций с другими инструментами и автоматизаций Все действия происходят с векторами и матрицами объектов, поэтому всё достаточно быстро. Где может применяться? 🪑Нередкая проблема - собрали лейаут сцены и зафризили, или даже смержили всю геометрию в один большой меш. Требуется вернуть все объекты в "Т-позу", сохранить отдельно и расставить обратно в сцену, но с правильными трансформациями. Инструмент как раз заточен под такую работу. 🌲Заскатерили инстансы и потом конвертнули в меш. Нужно обратно преобразовать в инстансы. Здесь поможет API который восстановит положение каждого инстанса в нуле и вернёт его обратно в исходное положение, но с правильными трансформациями. Останется забрать матрицу с объекта для инстанса. Быстрое превью функционала: ▶️https://www.youtube.com/watch?v=JvlHa0NEXu8 Документация и код здесь: 🌍https://github.com/paulwinex/pw-maya-restore-orient #release#source

Резултати

Пронајдени 1 слични објави

Пребарај: #watermarking

当前筛选 #watermarking清除筛选
AI & Law

@ai_and_law · Post #256 · 07.03.2024 г., 08:04

Mozilla Foundation Study Raises Concerns on Watermarking AI Content Hello everyone! In a study released by the Mozilla Foundation, the challenges of identifying synthetic content online have been brought to light. Titled "In Transparency We Trust? Evaluating Watermarking and Labeling AI-Generated Content," the study delves into the effectiveness of various methods, including watermarking and labeling, in differentiating between synthetic and authentic content. The study, which conducted a comprehensive assessment of seven methods, both machine-readable and human-facing, revealed alarming findings: none of the methods were rated as "good," indicating significant hurdles in accurately identifying synthetic content. Despite efforts to implement watermarking and labeling, the study underscores the persistent difficulties faced in combatting the proliferation of AI-generated content. #MozillaFoundation#AIContent#Watermarking