Google Research выложили открытый GitHub-репо с кодом всех своих vision моделей

В репо будет публиковаться код различный моделей компьютерного зрения от гугл — ViT, LiT, MLP-Mixer и прочих. Код оптимизирован так, что обучать модели можно будет на любом железе — CPU, GPU, TPU с разными конфигурациями.

Наполнение еще в процессе, за планами релизов можно следить тут.

К коду прилагается отличный Readme с подробными описаниями модулей и инструкциями к подготовке данных, обучению и тестам моделей.
Выглядит как очень handy и полезная штука 😋

Прогресс, тем временем, не стоит на месте, и народный DALLE-2 походу запилят раньше, чем openai выдаст доступ очередному генератору хомяков :D

Все пока очень сыро, все самое интересное в issues и дискорде.
Такими темпами полностью рабочий прототип будет уже через месяц.
(картинка из народной версии)
Код

Когда сгенерил датасет, но сохранял не ту переменную.

Экспериментирую с диффузной моделью для комиксов.
Уже на раннем этапе тюна результат выходит лучше, чем на дефолтных моделях из DiscoDiffusion, да и результат совсем без CLIP тоже хорош (и, соответственно, очень быстр)

И еще немного доморощенных clip guided Райанов различной степени Гослинговости

Кажется, пора закупаться ЭМИ гранатами.

Китайский роевой интеллект при помощи дронов вполне справляется с преследованием человека или любого другого существа в лесных массивах.

Раз уж это коллективный интеллект, то и данные распределяются между всеми участниками группы. Если один дрон теряет трекинг, то соседний, имеющий информацию о движении, тут же поделится данными, чтобы восстановить общую трёхмерную картину, так что мясо точно не скроется за преградами.

Остались только зеркальные лабиринты, но там и человеческий интеллект справляется так себе.

Видео