Кто-нибудь шарит за анимацию?

Я тут тестирую Human Motion Diffusion Model, она позволяет создавать анимации по текстовому описанию.

Из коробки выдает качество как на видео. В этом есть здравое зерно, можно ли докрутить, или шлак и проще руками с нуля сделать?

Го буст канала, и я выложу в сторис еще видосиков из штатов.

https://news.1rj.ru/str/savostyanov_dmitry?boost

Кватернионы

Есть легенда, что 16 октября 1843 года сэр Уильям Гамильтон знатно накидался и, переходя мост в Дублине, придумал кватернионы. Почти 180 лет спустя я, будучи первый день в отпуске, бахнул пива, затем текилы, шлифанул вином и набрался смелости написать про кватернионы.

В 3D-графике регулярно возникает задача вращать различные объекты в пространстве: камеру, сцену, суставы персонажей. Из курса линейной алгебры вы вероятно помните, что описывать вращения можно с помощью матриц поворота. Например, вращение вокруг оси Ox можно описать матрицей 3х3

1 0 0
0 cos(phi) -sin(phi)
0 sin(phi) cos(phi)

Здесь мы по столбцам выражаем координаты нового (повернутого на угол phi) ортонормированного базиса в старом.

Так вот оказывается, что любое вращение 3D-пространства является вращением вокруг некоторой оси (теорема Эйлера), а описать его можно с помощью 4D-кватерниона

q = cos(phi/2) + sin(phi/2) * (xi + yj + zk),

где i^2 = j^2 = k^2 = -1 — мнимые единицы, ijk = -1,

(x, y, z)^T — ось вращения.

Если правильно понимаю, в компьютерных науках основной профит кватернионов в том, что вместо 3х3=9 чиселок для матрицы поворота в памяти хранятся всего 4 коэффициента (x, y, z, w). В чистой математике профит в том, что можно оперировать как с комплексными числами с поправкой на некоммутативность умножения.

Я в теме только начал разбираться, поэтому могу подсказать несколько видео, вдруг кому-нибудь будет интересно:

- Алгоритм использования кватернионов на практике
- Связь алгебры (кватернионов) и геометрии (вращений)
- Савватеев, Доказательство теоремы Эйлера об одной оси вращения (далее в плейлисте 17+ есть и вся теория кватернионов с доказательствами основных утверждений)

Сходил на подскаст, вещал про генеративные нейросетки и некоторые приложения к играм.

Го слушать:
YouTube
mave
«Яндекс Музыка»
Apple
Castbox
Google

Содержание:
— Как нейросети помогают сделать игровую индустрию great again, экономят время художников и разработчиков.
— Где и кем еще применяются графические нейросети.
— Почему ИИ не отберёт у нас работу.
— Своя компания vs работа в найме
— Что такое Stable Diffusion, как она устроена изнутри и при чём тут диффузия.
— Как работает Clip. Зачем преобразовывать промпты в векторы и считать векторное произведение.
— Как обучалась Stable Diffusion. Что такое U-Net, шум и денойзинг. Рецепт крутой нейросети.
— Виды машинного обучения: Supervised Learning, Semi-Supervised learning, Unsupervised Learning и Reinforcement learning — как устроены и в чем разница.
— Fine tuning: как натренировать нейросеть под свои задачи.
— Что нужно, чтобы создать классную востребованную нейросеть и надо ли оно вам.
— Чем Stable Diffusion отличается от Midjourney и других конкурентов. Почему нейросети так ужасно рисуют руки и как это можно исправить.
— Как эволюционировали графические нейросети.
— Способен ли современный ИИ выполнять «серьёзную и полезную» работу или он годится лишь для генерации забавных картинок?
— Над чем сегодня бьются ML-разработчики и ученые в области искусственного интеллекта.
— Я фанат ИИ и хочу работать с нейросетями: куда мне пойти учиться, что читать и где работать?