UrbanFootprint
Получить данные о городе и сделать модные схемы за несколько минут можно с помощью платформы UrbanFootprint. Сервис оценит состояние окружающей среды, устойчивость к климатическим изменениям, наводнениям или пожарам, социально-демографические характеристики, уровень здравоохранения, транспортную инфраструктуру, экономическую ситуацию, градостроительные параметры. После 2020 года на платформу добавили информацию о риске заражения 🦠.
Как это работает?
→ зайдите на сайт
→ зарегистрируйтесь
→ выберите город
→ исследуйте его
По заданным параметрам можно сравнить уровень обеспеченности разных частей города продуктовыми магазинами, свободными местами в больницах, транспортной доступностью, узнать дату постройки зданий, определить функциональный баланс территории, стоимость аренды и тд. Загляните в раздел ‘blog’, в нём собраны кейсы разных городов по исследованиям и моделированию.
Для архитекторов и девелоперов предусмотрена возможность посмотреть правила землепользования и застройки. С помощью инструмента Parcel Gridding свободные участки можно распланировать под новую застройку.
Сейчас платформа позволяет работать только с американскими городами. Датасеты обновляются каждый квартал и основываются на коммерческих и открытых источниках информации. Доступна бесплатная версия платформы на 7 дней, далее стоимость рассчитывается в зависимости от задач.
Джо ДиСтефано, CEO UrbanFootprint: «Для достижения успеха в городе необходимо его понимать. UrbanFootprint даёт лёгкий доступ к данным, анализу и планированию. Мы предлагаем новое решение, чтобы строить более эффективно и устойчиво».
#SAlab_soft
Получить данные о городе и сделать модные схемы за несколько минут можно с помощью платформы UrbanFootprint. Сервис оценит состояние окружающей среды, устойчивость к климатическим изменениям, наводнениям или пожарам, социально-демографические характеристики, уровень здравоохранения, транспортную инфраструктуру, экономическую ситуацию, градостроительные параметры. После 2020 года на платформу добавили информацию о риске заражения 🦠.
Как это работает?
→ зайдите на сайт
→ зарегистрируйтесь
→ выберите город
→ исследуйте его
По заданным параметрам можно сравнить уровень обеспеченности разных частей города продуктовыми магазинами, свободными местами в больницах, транспортной доступностью, узнать дату постройки зданий, определить функциональный баланс территории, стоимость аренды и тд. Загляните в раздел ‘blog’, в нём собраны кейсы разных городов по исследованиям и моделированию.
Для архитекторов и девелоперов предусмотрена возможность посмотреть правила землепользования и застройки. С помощью инструмента Parcel Gridding свободные участки можно распланировать под новую застройку.
Сейчас платформа позволяет работать только с американскими городами. Датасеты обновляются каждый квартал и основываются на коммерческих и открытых источниках информации. Доступна бесплатная версия платформы на 7 дней, далее стоимость рассчитывается в зависимости от задач.
Джо ДиСтефано, CEO UrbanFootprint: «Для достижения успеха в городе необходимо его понимать. UrbanFootprint даёт лёгкий доступ к данным, анализу и планированию. Мы предлагаем новое решение, чтобы строить более эффективно и устойчиво».
#SAlab_soft
Знакомьтесь, DALL-E!
Нейросеть, которая умеет генерировать изображения на основе текста или дорисовывать потерянные фрагменты.
Особенности:
→ использует датасет из пар текст-изображение
→ работает с английским языком
→ понимает разные комбинации слов
→ может генерировать стилистически разные решения
→ с лёгкостью проходит тесты на IQ, в которых нужно понять закономерности и найти правильный ответ
→ построена на архитектуре GPT 3
→ правдоподобно объединяет несвязные понятия, вроде, «иллюстрация маленькой редьки-дайкона в балетной пачке, выгуливающей собаку»
Как это работает?
→это магия какая-то
→ в нейросети есть 2 блока
→ в первый необходимо ввести текст, например, «гостиная с 2 белыми креслами и картиной Колизея, которая висит над современным камином»
→ во втором появляются варианты со множеством интерпретаций
→ любопытно, что все предметы стилистически разные
→ опционально есть 3 блок, куда можно ввести референсное изображение или фрагмент, который нужно дорисовать
Название DALL-E - это микс имени художника Сальвадора Дали и робота WALL-E из мультика Pixar.
Если сейчас напряглись только графические дизайнеры, загляните в примеры. Возможности действительно поражают: логотипы, иллюстрации, фото и т.д. DALL-E умеет генерировать любой визуал бесконечно.
Для тех, кто хочет проверить нейросеть — гоу в GitHub.
#SAlab_soft
Нейросеть, которая умеет генерировать изображения на основе текста или дорисовывать потерянные фрагменты.
Особенности:
→ использует датасет из пар текст-изображение
→ работает с английским языком
→ понимает разные комбинации слов
→ может генерировать стилистически разные решения
→ с лёгкостью проходит тесты на IQ, в которых нужно понять закономерности и найти правильный ответ
→ построена на архитектуре GPT 3
→ правдоподобно объединяет несвязные понятия, вроде, «иллюстрация маленькой редьки-дайкона в балетной пачке, выгуливающей собаку»
Как это работает?
→
→ в нейросети есть 2 блока
→ в первый необходимо ввести текст, например, «гостиная с 2 белыми креслами и картиной Колизея, которая висит над современным камином»
→ во втором появляются варианты со множеством интерпретаций
→ любопытно, что все предметы стилистически разные
→ опционально есть 3 блок, куда можно ввести референсное изображение или фрагмент, который нужно дорисовать
Название DALL-E - это микс имени художника Сальвадора Дали и робота WALL-E из мультика Pixar.
Если сейчас напряглись только графические дизайнеры, загляните в примеры. Возможности действительно поражают: логотипы, иллюстрации, фото и т.д. DALL-E умеет генерировать любой визуал бесконечно.
Для тех, кто хочет проверить нейросеть — гоу в GitHub.
#SAlab_soft
Алгоритм создания материалов
В Imperial College London разработчики научили нейронку преобразовывать 2D изображения в 3D. Пока планировки зданий в объём она не умеет перекидывать, поэтому паниковать рано.
Инструмент сделан для учёных и производителей композитных материалов. Он позволят изучать послойно материал и поведение отдельных компонентов, чтобы улучшать его характеристики. Алгоритм машинного обучения работает быстрее, дешевле и информативнее построения детальной модели. Разработчики использовали DC-GAN — глубокие сверточные генеративно-состязательные сети.
#SAlab_soft
В Imperial College London разработчики научили нейронку преобразовывать 2D изображения в 3D. Пока планировки зданий в объём она не умеет перекидывать, поэтому паниковать рано.
Инструмент сделан для учёных и производителей композитных материалов. Он позволят изучать послойно материал и поведение отдельных компонентов, чтобы улучшать его характеристики. Алгоритм машинного обучения работает быстрее, дешевле и информативнее построения детальной модели. Разработчики использовали DC-GAN — глубокие сверточные генеративно-состязательные сети.
#SAlab_soft
