Neural Shit
50.6K subscribers
3.75K photos
1.2K videos
22 files
1.94K links
Проклятые нейронные сети

Для связи: @krasniy_doshik

ркн https://clck.ru/3PNXmE
Download Telegram
Тут товарищ @response1000000 выкатил русскоязычную версию clip. Понимает русский все это дело не за счет переводчика, как было ранее, а из-за того, что к нему прикручена русскоязычная gpt-2 модель от Сбера.
Тут колаб-ноутбук для желающих потестить. На выбор несколько моделей (BigGAN самая охуенная, имхо)

На изображении пример генераций по запросу "Современное искусство"
This media is not supported in your browser
VIEW IN TELEGRAM
Киберпанк, который мы заслужили
Обожаю файнтюнить StyleGAN модель FFHQ. Особенно радуют первые итерации, когда человеческие лица превращаются в ужасающее нечто. Осталось еще эти всратые ебычи заставить открывать рот синхронно какой-нибудь песне Slipknot как вот тут и будет вообще заебок
Forwarded from Neural Machine
Python, сука, блядь.
This media is not supported in your browser
VIEW IN TELEGRAM
Таки сгенерировал видос из этой модельки (смотреть со звуком)

На ютубе полная версия клипа в качестве сильно лучше
Сижу задрачиваю YOLO v5. Очень занимательно.
Можно потестить в режиме онлайн тут: https://gradio.app/g/AK391/yolov5
Forwarded from Denis Sexy IT 🤖
Подписчик канала, сделал классный репозиторий где описан процесс как играться с «латентным пространством» StyleGAN, по ссылке технические детали, если коротко, это когда вы можете принудить нейронку генерить не что-то случайное, а более конкретное – лицо похожее на вас, пейзаж похожий на фото, зависит от модели, а дальше уже нейронкой издеваться над картинкой.

Этот же репозиторий можно использовать для проверки проблемы «необъективности» модели (biased problem) нагенерировав, например, кучу лиц одной расовой принадлежности:

Если вы работаете в ML-проекте и у вас есть алгоритм который работает с разными фотографиями, то вы конечно же хотите чтобы у вас одинаково хорошо результаты были на всех типах лиц, так можно проверить есть ли проблема с алгоритмом или нет (главное не тестируйте на том на чем учите, в данном примере на ffhq).

В общем, не только интересный, но и полезный набор коллабов – ⭐️
#промо
Компания LabelMe запустила телеграм-канал. В нем публикуются собственные и переводные статьи по работе с данными и машинному обучению. Ребята сами занимаются разметкой данных и подготовкой датасетов под разные задачи, так что сомневаться в экспертности не стоит. Одни из последних статей:

- Sweetviz 2.0 - новая библиотека на Python для быстрого анализа данных
- Как быстро интегрировать нейросеть в сайт
- Как импортировать все библиотеки Python с помощью всего одной строки кода
- DONeRF: новый алгоритм, позволяющий просчитывать и рендерить лучи в реальном времени
- Как генерировать собственные изображения с помощью NVIDIA StyleGAN2-ADA

Подписаться
This media is not supported in your browser
VIEW IN TELEGRAM
Очень крутая работа. Исходников пока нет, но вот тут годная статья о том, как это работает. Если сильно вкратце, то к начальной картинке с помощью нейросети из базы в несколько миллионов изображений подбирается наиболее визуально подходящий кадр, который отрисовывается с правильным геометрическим и фотометрическим выравниванием по отношению к текущему кадру. В итоге таким макаром можно двигаться внутри видео бесконечно.