This media is not supported in your browser
VIEW IN TELEGRAM
ИИшечка защищает газон от соседских кур. Автор видео натренил нейронку включать полив когда на газоне появляются куры. Да, реагирует только на кур. Сейчас имея вебкамеру и вы могли бы такую нейронку натренить
😁2
This media is not supported in your browser
VIEW IN TELEGRAM
Google создал нейросеть DreamFusion text-to-3D, способную создавать 3D модели по текстовому описанию на основе Imagen!
Предположу, что ни кода, ни демо доступа для простых смертных не будет, ночерез полгода будет открытая нейросетка того же уровня или лучше
Предположу, что ни кода, ни демо доступа для простых смертных не будет, но
👍1
Смотрите какую красоту сгенерил. Нравится детализация? промт скрыт ниже
Шучу, это фото черепа Марии Магдалины , хранящегося в базилике Святого Максимина во Франции.
Извините за офтоп, искушение оказалось слишком велико.
А у вас есть фото которые выглядят как ИИ-генерации? Кидайте в чат
Извините за офтоп, искушение оказалось слишком велико.
А у вас есть фото которые выглядят как ИИ-генерации? Кидайте в чат
😱4🔥2👏1
Forwarded from Метаверсище и ИИще (Sergey Tsyptsyn ️️)
"Pointcloud Occlusion Inpainting with Stable Diffusion"
Пока мамкины диффюзеры бесхитростно, но с восторгом склеивают кадры из Stable Diffusion с помощью дефорума, пацаны с опытом постпродакшена достают грубину, композят инпайнтингом и работают с камерой. Поглядите, что творит Дима Точилкин.
Основная идея алгоритма состоит в том, чтобы сохранить нетронутыми части изображения, известные по предыдущему кадру, и закрасить только те области изображения, которые отсутствуют. Мы можем определить, что известно, а чего не хватает, по карте глубины и преобразованию камеры.
Он в значительной степени зависит от качества карт глубины и использует предположение, что SD имеет неявные знания о геометрии сцены на изображении. Таким образом, он может правдоподобно закрашивать недостающие части без явного знания трехмерных сеток сцены.
Он интерполирует отсутствующую информацию, «деформируя» пространство, что хорошо для художественных или триповых видео, но не подходит для реалистичной анимации.
Если хотите узнать больше про "Pointcloud Occlusion Inpainting with Stable Diffusion" и анимацию, читайте тред в Твитторе - пример того, как AI Filmmaking приобретает черты технологии, а не только восторженных демок в телеграмме.
https://twitter.com/cut_pow/status/1576748595109593088
Пока мамкины диффюзеры бесхитростно, но с восторгом склеивают кадры из Stable Diffusion с помощью дефорума, пацаны с опытом постпродакшена достают грубину, композят инпайнтингом и работают с камерой. Поглядите, что творит Дима Точилкин.
Основная идея алгоритма состоит в том, чтобы сохранить нетронутыми части изображения, известные по предыдущему кадру, и закрасить только те области изображения, которые отсутствуют. Мы можем определить, что известно, а чего не хватает, по карте глубины и преобразованию камеры.
Он в значительной степени зависит от качества карт глубины и использует предположение, что SD имеет неявные знания о геометрии сцены на изображении. Таким образом, он может правдоподобно закрашивать недостающие части без явного знания трехмерных сеток сцены.
Он интерполирует отсутствующую информацию, «деформируя» пространство, что хорошо для художественных или триповых видео, но не подходит для реалистичной анимации.
Если хотите узнать больше про "Pointcloud Occlusion Inpainting with Stable Diffusion" и анимацию, читайте тред в Твитторе - пример того, как AI Filmmaking приобретает черты технологии, а не только восторженных демок в телеграмме.
https://twitter.com/cut_pow/status/1576748595109593088
Помните сентябрьскую нейросетку от гугла, которая генерит видео по одной исходной картинке? Не прошло и месяца - появилась новая, которая делает это заметно лучше. Код выложат позже. Зато гугл выложил код той сентябрьской, можно поиграть в колабе
👍1
Сколько я ни пытался генерить нейросетями робота Бендера, того что на аватарке нашего чата, ни одна не справляется, в том числе Stablediffusion. Дело в том что они плохо знают кто такой Бендер. В датасетах, на которых их обучали, не было достаточно информации. Это становится проблемой, если, например, вы хотите чтобы нейросетка нарисовала вам комикс с вашими или малоизвестными ей персонажами.
Если вы следите за этим каналом, то знаете что для Stablediffusion уже есть решение. Можно познакомить нейросеть с персонажем/объектов, показав ей несколько примеров. Инструмент называется Dreambooth.
Самое восхитительное то, что выученную концепцию можно сохранить в библиотеку на huggingface, чем люди и занимаются - библиотека пополняется. Сейчас из интересных мне персонажей там есть, например Хоумлендер.
Итак, если я вас заинтересовал, соберите несколько изображений вашего объекта, вот вам колаб для дообучения stablediffusion (там же можно и погенерить)
А вот колаб для генерации на готовых библиотечных моделях
Если вы следите за этим каналом, то знаете что для Stablediffusion уже есть решение. Можно познакомить нейросеть с персонажем/объектов, показав ей несколько примеров. Инструмент называется Dreambooth.
Самое восхитительное то, что выученную концепцию можно сохранить в библиотеку на huggingface, чем люди и занимаются - библиотека пополняется. Сейчас из интересных мне персонажей там есть, например Хоумлендер.
Итак, если я вас заинтересовал, соберите несколько изображений вашего объекта, вот вам колаб для дообучения stablediffusion (там же можно и погенерить)
А вот колаб для генерации на готовых библиотечных моделях
👍3
А теперь сравним результаты до/после дообучения. Здесь вы видите "Бендера в роли секретного агента" по версии Midjourney и стандартного Stablediffusion
👍1
А теперь дообученный Stablediffusion - самые интересные, остальные кину в комментарии
🔥3👍1😱1
"Бендер в роли агента Смита" по версии Midjourney и стандартного Stablediffusion
🔥1😱1
А теперь дообученный Stablediffusion - самые интересные, остальные кину в комментарии
🔥4😱1