Recent searches

No recent searches

Search options

Only available when logged in.
mastodon.world is one of the many independent Mastodon servers you can use to participate in the fediverse.
Generic Mastodon server for anyone to use.

Administered by:

Server stats:

8.4K
active users

mastodon.world: AboutStatusProfiles directoryPrivacy policy

Mastodon: AboutGet the appKeyboard shortcutsView source codev4.4.0

#computer_vision

1 post1 participant0 posts today
Habr<p>Готовимся к собесу: positional encodings в 2025 году</p><p>Если вы до сих пор считаете, что positional encoding в трансформерах — это знаменитые sin/cos из статьи 2017 года, то боюсь, что собеседование для вас закончится автоматическим реджектом. Позиционное кодирование заметно эволюционировало с момента появления оригинальной статьи о трансформерах. В современных LLM и моделях компьютерного зрения, таких как FLUX, уже давно не используется классическое sin/cos-кодирование.</p><p><a href="https://habr.com/ru/articles/926368/" rel="nofollow noopener" translate="no" target="_blank"><span class="invisible">https://</span><span class="">habr.com/ru/articles/926368/</span><span class="invisible"></span></a></p><p><a href="https://zhub.link/tags/gpt" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>gpt</span></a> <a href="https://zhub.link/tags/deeplearning" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>deeplearning</span></a> <a href="https://zhub.link/tags/nlp" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>nlp</span></a> <a href="https://zhub.link/tags/%D1%81%D0%BE%D0%B1%D0%B5%D1%81%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>собеседование</span></a> <a href="https://zhub.link/tags/%D0%BF%D0%BE%D0%B4%D0%B3%D0%BE%D1%82%D0%BE%D0%B2%D0%BA%D0%B0_%D0%BA_%D1%81%D0%BE%D0%B1%D0%B5%D1%81%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8E" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>подготовка_к_собеседованию</span></a> <a href="https://zhub.link/tags/%D0%B2%D1%85%D0%BE%D0%B4_%D0%B2_it" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>вход_в_it</span></a> <a href="https://zhub.link/tags/computer_vision" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>computer_vision</span></a></p>
Habr<p>Я построил Vision Transformer с нуля — и научил его обращать внимание</p><p>В этой статье я не просто объясню, что такое ViT — я покажу вам, как создать эту магию своими руками, шаг за шагом, даже если вы никогда раньше не работали с трансформерами для задач с изображениями.</p><p><a href="https://habr.com/ru/articles/925050/" rel="nofollow noopener" translate="no" target="_blank"><span class="invisible">https://</span><span class="">habr.com/ru/articles/925050/</span><span class="invisible"></span></a></p><p><a href="https://zhub.link/tags/deep_learning" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>deep_learning</span></a> <a href="https://zhub.link/tags/pytorch" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>pytorch</span></a> <a href="https://zhub.link/tags/computer_vision" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>computer_vision</span></a> <a href="https://zhub.link/tags/transformers" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>transformers</span></a> <a href="https://zhub.link/tags/implementation" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>implementation</span></a></p>
Habr<p>Компьютерное зрение в сельском хозяйстве</p><p>Интеллектуальные системы, основанные на компьютерном зрении, проникли практически во все сферы жизни современного человека. Эти системы объединяют компьютерное зрение, искусственный интеллект (ИИ) и технологии машинного обучения и позволяют машинам имитировать зрительные и когнитивные способности человека для принятия обоснованных решений по поставленной задаче. Технология компьютерного зрения используется для обработки и интерпретации визуальной информации из окружающей среды, а технологии искусственного интеллекта (ИИ) вместе с алгоритмами машинного обучения применяются для распознавания закономерностей и прогнозирования действий. Эти интеллектуальные системы улучшают производительность за счет обучения с течением времени. В этой статье мы рассмотрим использование компьютерного зрения в земледелии. Мы рассмотрим различные этапы так называемого цифрового сельского хозяйства, включая получение изображений, объединение и анализ изображений, принятие решений с помощью машинного обучения.</p><p><a href="https://habr.com/ru/companies/otus/articles/921342/" rel="nofollow noopener" translate="no" target="_blank"><span class="invisible">https://</span><span class="ellipsis">habr.com/ru/companies/otus/art</span><span class="invisible">icles/921342/</span></a></p><p><a href="https://zhub.link/tags/computer_vision" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>computer_vision</span></a> <a href="https://zhub.link/tags/ai" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>ai</span></a> <a href="https://zhub.link/tags/%D1%86%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%BE%D0%B5_%D1%81%D0%B5%D0%BB%D1%8C%D1%81%D0%BA%D0%BE%D0%B5_%D1%85%D0%BE%D0%B7%D1%8F%D0%B9%D1%81%D1%82%D0%B2%D0%BE" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>цифровое_сельское_хозяйство</span></a> <a href="https://zhub.link/tags/RGB%D0%B8%D0%B7%D0%BE%D0%B1%D1%80%D0%B0%D0%B6%D0%B5%D0%BD%D0%B8%D1%8F" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>RGBизображения</span></a> <a href="https://zhub.link/tags/%D0%BC%D1%83%D0%BB%D1%8C%D1%82%D0%B8%D1%81%D0%BF%D0%B5%D0%BA%D1%82%D1%80%D0%B0%D0%BB%D1%8C%D0%BD%D0%B0%D1%8F_%D1%81%D1%8A%D0%B5%D0%BC%D0%BA%D0%B0" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>мультиспектральная_съемка</span></a> <a href="https://zhub.link/tags/%D0%B3%D0%B8%D0%BF%D0%B5%D1%80%D1%81%D0%BF%D0%B5%D0%BA%D1%82%D1%80%D0%B0%D0%BB%D1%8C%D0%BD%D0%B0%D1%8F_%D1%81%D1%8A%D0%B5%D0%BC%D0%BA%D0%B0" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>гиперспектральная_съемка</span></a></p>
Habr<p>Компьютерное зрение для начинающих</p><p>Тема компьютерного зрения наряду с искусственным интеллектом в последние годы стала очень популярной. Сегодня компьютерное зрение — это динамичная и быстро развивающаяся область, постоянно расширяющая границы того, что могут видеть и понимать машины. Однако, зачастую многие публикации посвященные computer vision являются достаточно сложными для тех, кто только погружается в данную тему. В этой статье мы поговорим о том, как все это работает и какие основные технологии и алгоритмы используются. Мы не будем глубоко погружаться в вопросы, связанные с реализацией методов компьютерного зрения, так как задача этой статьи объяснить основные принципы.</p><p><a href="https://habr.com/ru/companies/otus/articles/921402/" rel="nofollow noopener" translate="no" target="_blank"><span class="invisible">https://</span><span class="ellipsis">habr.com/ru/companies/otus/art</span><span class="invisible">icles/921402/</span></a></p><p><a href="https://zhub.link/tags/computer_vision" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>computer_vision</span></a> <a href="https://zhub.link/tags/ai" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>ai</span></a> <a href="https://zhub.link/tags/neuralnetworks" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>neuralnetworks</span></a> <a href="https://zhub.link/tags/%D0%BA%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D0%BE%D0%B5_%D0%B7%D1%80%D0%B5%D0%BD%D0%B8%D0%B5" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>компьютерное_зрение</span></a> <a href="https://zhub.link/tags/%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_%D0%BD%D0%B5%D0%B9%D1%80%D0%BE%D1%81%D0%B5%D1%82%D0%B5%D0%B9" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>обучение_нейросетей</span></a> <a href="https://zhub.link/tags/OpenCV_%D0%BF%D1%80%D0%B8%D0%BC%D0%B5%D1%80%D1%8B" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>OpenCV_примеры</span></a> <a href="https://zhub.link/tags/%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0_%D0%B8%D0%B7%D0%BE%D0%B1%D1%80%D0%B0%D0%B6%D0%B5%D0%BD%D0%B8%D0%B9_Python" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>обработка_изображений_Python</span></a></p>
Habr<p>Это камень? Это ветка? Это нос! Разбираем подходы, помогающие ИИ распознавать лица на картинках с низким разрешением</p><p>Привет, Хабр! Мы – Даниил Соловьев и Михаил Никитин из команды направления распознавания лиц. Сегодня фокусируемся на задаче распознавания лиц на изображениях низкого разрешения (low resolution face recognition, low-res FR). Она актуальна в первую очередь при анализе данных видеонаблюдения, так что если перед вами сейчас стоит подобная задача (или просто интересно, как она решается) — статья для вас. Расскажем про проблемы и сложности распознавания лиц низкого разрешения, подходы к решению задачи, в том числе свежий PETALface с конференции WACV 2025 . Также поделимся ссылками на исследования, которые подробнее освещают каждый подход.</p><p><a href="https://habr.com/ru/companies/tevian/articles/921660/" rel="nofollow noopener" translate="no" target="_blank"><span class="invisible">https://</span><span class="ellipsis">habr.com/ru/companies/tevian/a</span><span class="invisible">rticles/921660/</span></a></p><p><a href="https://zhub.link/tags/%D0%BD%D0%B8%D0%B7%D0%BA%D0%BE%D0%B5_%D0%BA%D0%B0%D1%87%D0%B5%D1%81%D1%82%D0%B2%D0%BE" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>низкое_качество</span></a> <a href="https://zhub.link/tags/%D0%BD%D0%B8%D0%B7%D0%BA%D0%BE%D0%B5_%D1%80%D0%B0%D0%B7%D1%80%D0%B5%D1%88%D0%B5%D0%BD%D0%B8%D0%B5" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>низкое_разрешение</span></a> <a href="https://zhub.link/tags/%D1%80%D0%B0%D1%81%D0%BF%D0%BE%D0%B7%D0%BD%D0%B0%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_%D0%BB%D0%B8%D1%86" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>распознавание_лиц</span></a> <a href="https://zhub.link/tags/%D0%B3%D0%BB%D1%83%D0%B1%D0%BE%D0%BA%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>глубокое_обучение</span></a> <a href="https://zhub.link/tags/%D0%BA%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D0%BE%D0%B5_%D0%B7%D1%80%D0%B5%D0%BD%D0%B8%D0%B5" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>компьютерное_зрение</span></a> <a href="https://zhub.link/tags/%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>машинное_обучение</span></a> <a href="https://zhub.link/tags/%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0_%D0%B8%D0%B7%D0%BE%D0%B1%D1%80%D0%B0%D0%B6%D0%B5%D0%BD%D0%B8%D0%B9" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>обработка_изображений</span></a> <a href="https://zhub.link/tags/deep_learning" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>deep_learning</span></a> <a href="https://zhub.link/tags/computer_vision" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>computer_vision</span></a> <a href="https://zhub.link/tags/face_recognition" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>face_recognition</span></a></p>
Habr<p>Обнаружение дронов (БПЛА) с использованием ИИ и компьютерного зрения</p><p>Обнаружение дронов (БПЛА) object-detection с использованием ИИ YOLOv12 и компьютерного зрения OpenCV.</p><p><a href="https://habr.com/ru/articles/921648/" rel="nofollow noopener" translate="no" target="_blank"><span class="invisible">https://</span><span class="">habr.com/ru/articles/921648/</span><span class="invisible"></span></a></p><p><a href="https://zhub.link/tags/Object_detection" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>Object_detection</span></a> <a href="https://zhub.link/tags/YOLO" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>YOLO</span></a> <a href="https://zhub.link/tags/yolov12" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>yolov12</span></a> <a href="https://zhub.link/tags/opencv" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>opencv</span></a> <a href="https://zhub.link/tags/YOLO_Custom_Dataset_Training" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>YOLO_Custom_Dataset_Training</span></a> <a href="https://zhub.link/tags/%D0%B1%D0%BF%D0%BB%D0%B0" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>бпла</span></a> <a href="https://zhub.link/tags/%D0%9E%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_YOLO" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>Обучение_YOLO</span></a> <a href="https://zhub.link/tags/computer_vision" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>computer_vision</span></a> <a href="https://zhub.link/tags/ai" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>ai</span></a> <a href="https://zhub.link/tags/%D0%BE%D0%B1%D0%BD%D0%B0%D1%80%D1%83%D0%B6%D0%B5%D0%BD%D0%B8%D0%B5_%D0%BE%D0%B1%D1%8A%D0%B5%D0%BA%D1%82%D0%BE%D0%B2" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>обнаружение_объектов</span></a></p>
Habr<p>Один кадр против спуфинга: как мы определяем фейковые лица без видео и биометрии</p><p>Иногда пользователи пытаются пройти биометрическую верификацию не совсем честно. Иногда — совсем нечестно. Кто-то показывает фото на экране другого телефона, кто-то — печатает лицо на бумаге и машет им в камеру. Всё это — спуфинг, и он давно вышел из лабораторий и научных статей в суровую продакшен-практику. А задача при этом, казалось бы, простая: по одному кадру понять, есть ли перед камерой живой человек. Ни видео, ни поведенческой биометрии, ни инфракрасных сенсоров. Просто JPEG. Просто ад. Все о спуфинге и методах борьбы с ним знает наш разработчик Александр. Он работает над проектом антиспуфинг-системы, способной по изображению с фронталки отличать живого человека от картинки. В этой статье мы расскажем, как он научил систему это делать. Без волшебства: только кастомный датасет, ансамбль CNN и несколько костылей — куда без них.</p><p><a href="https://habr.com/ru/articles/921390/" rel="nofollow noopener" translate="no" target="_blank"><span class="invisible">https://</span><span class="">habr.com/ru/articles/921390/</span><span class="invisible"></span></a></p><p><a href="https://zhub.link/tags/%D0%B8%D0%B8" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>ии</span></a> <a href="https://zhub.link/tags/%D0%B8%D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9_%D0%B8%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>икусственный_интеллект</span></a> <a href="https://zhub.link/tags/%D1%81%D0%BF%D1%83%D1%84%D0%B8%D0%BD%D0%B3" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>спуфинг</span></a> <a href="https://zhub.link/tags/%D1%81%D0%BF%D1%83%D1%84%D0%B8%D0%BD%D0%B3%D0%B0%D1%82%D0%B0%D0%BA%D0%B8" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>спуфингатаки</span></a> <a href="https://zhub.link/tags/%D0%B0%D0%BD%D1%82%D0%B8%D1%81%D0%BF%D1%83%D1%84%D0%B8%D0%BD%D0%B3" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>антиспуфинг</span></a> <a href="https://zhub.link/tags/%D0%BA%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D0%BE%D0%B5_%D0%B7%D1%80%D0%B5%D0%BD%D0%B8%D0%B5" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>компьютерное_зрение</span></a> <a href="https://zhub.link/tags/cv" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>cv</span></a> <a href="https://zhub.link/tags/computervision" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>computervision</span></a> <a href="https://zhub.link/tags/computer_vision" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>computer_vision</span></a></p>
:rss: .NET Blog<p>Multimodal Vision Intelligence with .NET MAUI<br><a href="https://devblogs.microsoft.com/dotnet/multimodal-vision-intelligence-with-dotnet-maui/" rel="nofollow noopener" translate="no" target="_blank"><span class="invisible">https://</span><span class="ellipsis">devblogs.microsoft.com/dotnet/</span><span class="invisible">multimodal-vision-intelligence-with-dotnet-maui/</span></a></p><p><a href="https://rss-mstdn.studiofreesia.com/tags/microsoft" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>microsoft</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/NET" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>NET</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/NET_MAUI" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>NET_MAUI</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/AI" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>AI</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/ai_foundry" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>ai_foundry</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/computer_vision" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>computer_vision</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/copilot" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>copilot</span></a></p>
Habr<p>Залезаем на плечи гигантов — создаем модуль для ComfyUI для свободного движения камеры и создание 6dof сцен из фото</p><p>Всем привет! Я много работаю с видео для виртуальной реальности, и одна из задач, которая всё ещё маячит на горизонте и требует уймы усилий — удобное создание и стриминг полноценного 6Dof видео . Большинство существующих решений сводятся к двум крупным направлениям. В этой статье мы рассмотрим, как расширить возможности генеративных моделей для виртуальной реальности (VR), создав модуль для ComfyUI, который позволит: преобразовывать изображения и видео между pinhole , fisheye и equirectangular проекциями; итеративно дорисовывать панорамы до полного сферического охвата; синтезировать новые ракурсы свободным движением камеры в 3‑D‑пространстве. Я покажy, как объединить продвинутый reprojection grid_sample с outoainting, картами глубины и облаками точек, чтобы получить реалистичные «новые виды» из одного изображения. Кроме того совместим этот подход с подходом Video Generation</p><p><a href="https://habr.com/ru/articles/912652/" rel="nofollow noopener" translate="no" target="_blank"><span class="invisible">https://</span><span class="">habr.com/ru/articles/912652/</span><span class="invisible"></span></a></p><p><a href="https://zhub.link/tags/computer_vision" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>computer_vision</span></a></p>
:rss: Hacker News<p>Free Gaussian Primitives at Anytime Anywhere for Dynamic Scene Reconstruction<br><a href="https://zju3dv.github.io/freetimegs/" rel="nofollow noopener" translate="no" target="_blank"><span class="invisible">https://</span><span class="">zju3dv.github.io/freetimegs/</span><span class="invisible"></span></a><br><a href="https://rss-mstdn.studiofreesia.com/tags/ycombinator" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>ycombinator</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/Computer_Vision" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>Computer_Vision</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/Computer_Graphics" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>Computer_Graphics</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/NeRF" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>NeRF</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/3D_Gaussian_Splatting" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>3D_Gaussian_Splatting</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/Novel_View_Synthesis" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>Novel_View_Synthesis</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/Freeviewpoint_Video" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>Freeviewpoint_Video</span></a></p>
Habr<p>Kandinsky 4.1 Image – новый генератор изображений от Сбера</p><p>В декабре прошлого года на конференции AI Journey наша команда представила диффузионную генеративную модель Kandinsky 4.0 Video. Теперь мы рады представить новую версию нашей модели генерации изображений Kandinsky 4.1 Image!</p><p><a href="https://habr.com/ru/companies/sberbank/articles/915760/" rel="nofollow noopener" translate="no" target="_blank"><span class="invisible">https://</span><span class="ellipsis">habr.com/ru/companies/sberbank</span><span class="invisible">/articles/915760/</span></a></p><p><a href="https://zhub.link/tags/%D0%B3%D0%B5%D0%BD%D0%B5%D1%80%D0%B0%D1%86%D0%B8%D1%8F_%D0%B8%D0%B7%D0%BE%D0%B1%D1%80%D0%B0%D0%B6%D0%B5%D0%BD%D0%B8%D0%B9" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>генерация_изображений</span></a> <a href="https://zhub.link/tags/kandinsky_4" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>kandinsky_4</span></a> <a href="https://zhub.link/tags/sberai" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>sberai</span></a> <a href="https://zhub.link/tags/generative_models" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>generative_models</span></a> <a href="https://zhub.link/tags/texttoimage" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>texttoimage</span></a> <a href="https://zhub.link/tags/computer_vision" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>computer_vision</span></a> <a href="https://zhub.link/tags/diffusion" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>diffusion</span></a> <a href="https://zhub.link/tags/sft" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>sft</span></a> <a href="https://zhub.link/tags/artificial_intelligence" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>artificial_intelligence</span></a> <a href="https://zhub.link/tags/machine_learning" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>machine_learning</span></a></p>
:rss: Hacker News<p>Vision Language Models Are Biased<br><a href="https://vlmsarebiased.github.io/" rel="nofollow noopener" translate="no" target="_blank"><span class="invisible">https://</span><span class="">vlmsarebiased.github.io/</span><span class="invisible"></span></a><br><a href="https://rss-mstdn.studiofreesia.com/tags/ycombinator" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>ycombinator</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/VLM" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>VLM</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/Vision_Language_Models" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>Vision_Language_Models</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/Bias" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>Bias</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/Computer_Vision" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>Computer_Vision</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/Counting" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>Counting</span></a></p>
Habr<p>Генерация видео: Обзор интересных подходов | Text-2-video | Part 2</p><p>Освечу базовые концепты из области генерации видео, в этой части разберем уже более современные модели 2025 года, и парочку моделей, с которых все начиналось. Все кратко и четко, только самое основное. Посмотрим на устройство современных топовых SOTA моделей для генерации видео: Wan2.1, Hunyuan video, недавно вышедший подход к облегчению вычислетильных требования FramePack.</p><p><a href="https://habr.com/ru/articles/912522/" rel="nofollow noopener" translate="no" target="_blank"><span class="invisible">https://</span><span class="">habr.com/ru/articles/912522/</span><span class="invisible"></span></a></p><p><a href="https://zhub.link/tags/computer_vision" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>computer_vision</span></a> <a href="https://zhub.link/tags/%D0%BD%D0%B5%D0%B9%D1%80%D0%BE%D1%81%D0%B5%D1%82%D0%B8" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>нейросети</span></a> <a href="https://zhub.link/tags/ml" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>ml</span></a> <a href="https://zhub.link/tags/video_generation" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>video_generation</span></a> <a href="https://zhub.link/tags/%D1%81%D0%BE%D0%B1%D0%B5%D1%81%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>собеседования</span></a> <a href="https://zhub.link/tags/stablediffusion" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>stablediffusion</span></a> <a href="https://zhub.link/tags/wan21" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>wan21</span></a> <a href="https://zhub.link/tags/comfyui" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>comfyui</span></a> <a href="https://zhub.link/tags/%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE%D0%B3%D0%B5%D0%BD%D0%B5%D1%80%D0%B0%D1%82%D0%BE%D1%80" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>видеогенератор</span></a></p>
Habr<p>Генерация видео: Обзор интересных подходов | Text-2-video | Part 1</p><p>План следующий: Методы адаптации T2I в T2V : AnimateDiff, Text2Video Zero Обзор классических подходов : Stable Video Diffusion, CogVideo Новые модельки 2025 : Wan2.1, HunyuanVideo, FramePack Это первая часть из списка статей, тут будет только про T2I в T2V</p><p><a href="https://habr.com/ru/articles/910326/" rel="nofollow noopener" translate="no" target="_blank"><span class="invisible">https://</span><span class="">habr.com/ru/articles/910326/</span><span class="invisible"></span></a></p><p><a href="https://zhub.link/tags/computer_vision" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>computer_vision</span></a> <a href="https://zhub.link/tags/%D0%BD%D0%B5%D0%B9%D1%80%D0%BE%D1%81%D0%B5%D1%82%D0%B8" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>нейросети</span></a> <a href="https://zhub.link/tags/ml" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>ml</span></a> <a href="https://zhub.link/tags/video_generation" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>video_generation</span></a> <a href="https://zhub.link/tags/%D1%81%D0%BE%D0%B1%D0%B5%D1%81%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>собеседования</span></a> <a href="https://zhub.link/tags/%D1%81%D0%BE%D0%B1%D0%B5%D1%81%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F_%D0%B7%D0%B0%D0%B4%D0%B0%D1%87%D0%B8" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>собеседования_задачи</span></a> <a href="https://zhub.link/tags/ai" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>ai</span></a> <a href="https://zhub.link/tags/stable_diffusion" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>stable_diffusion</span></a> <a href="https://zhub.link/tags/comfyui" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>comfyui</span></a> <a href="https://zhub.link/tags/animatediff" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>animatediff</span></a></p>
Habr<p>Новая генеративная модель Kandinsky 3D для создания 3D-объектов. Как она работает и кому будет полезна</p><p>Салют, Хабр! В прошлом году мы рассказали о наших исследованиях и разработках в сфере генеративных моделей для 3D-контента, а теперь открываем доступ для тестирования. Встречайте первый российский сервис для генерации 3D-моделей по текстовому описанию или изображению — Kandinsky 3D .</p><p><a href="https://habr.com/ru/companies/sberbank/articles/908820/" rel="nofollow noopener" translate="no" target="_blank"><span class="invisible">https://</span><span class="ellipsis">habr.com/ru/companies/sberbank</span><span class="invisible">/articles/908820/</span></a></p><p><a href="https://zhub.link/tags/%D0%B3%D0%B5%D0%BD%D0%B5%D1%80%D0%B0%D1%82%D0%B8%D0%B2%D0%BD%D1%8B%D0%B5_%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>генеративные_модели</span></a> <a href="https://zhub.link/tags/3d" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>3d</span></a> <a href="https://zhub.link/tags/3d%D0%B3%D1%80%D0%B0%D1%84%D0%B8%D0%BA%D0%B0" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>3dграфика</span></a> <a href="https://zhub.link/tags/ml" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>ml</span></a> <a href="https://zhub.link/tags/kandinsky" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>kandinsky</span></a> <a href="https://zhub.link/tags/computer_vision" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>computer_vision</span></a></p>
Habr<p>Как мы учили Алису видеть мир с помощью мультимодальной нейросети Яндекса</p><p>Недавно пользователям приложения «Алиса» стал доступен Live-режим, который работает на базе мультимодальной нейросети (VLM), созданной в Яндексе. В этом режиме Алиса распознаёт объекты, показанные ей через камеру смартфона, и рассказывает о них пользователю. А ещё раньше наша VLM стала применяться в Поиске по картинкам, Умной камере и Нейроэксперте. Всё это время технология не стояла на месте и продолжала совершенствоваться. Пожалуй, пришло время поделиться опытом. На связи Роман Исаченко из команды компьютерного зрения в Яндексе. Сегодня я расскажу, какой путь наша VLM прошла за полгода. А Дарья @dara-orange Виноградова, которая работает со мной в той же команде, поделится описанием пайплайна зрения в Алисе. Мы опишем весь путь формирования новой модели: от архитектуры и сбора данных до финальных замеров качества и скорости.</p><p><a href="https://habr.com/ru/companies/yandex/articles/904584/" rel="nofollow noopener" translate="no" target="_blank"><span class="invisible">https://</span><span class="ellipsis">habr.com/ru/companies/yandex/a</span><span class="invisible">rticles/904584/</span></a></p><p><a href="https://zhub.link/tags/vlm" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>vlm</span></a> <a href="https://zhub.link/tags/natural_language_processing" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>natural_language_processing</span></a> <a href="https://zhub.link/tags/computer_vision" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>computer_vision</span></a> <a href="https://zhub.link/tags/multimodality" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>multimodality</span></a> <a href="https://zhub.link/tags/%D1%8F%D0%BD%D0%B4%D0%B5%D0%BA%D1%81" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>яндекс</span></a></p>
Habr<p>[Перевод] Всё про инференс на Sophon NPU</p><p>В этой статье мы поговорим про ML на базе плат Sophon. Наверное это один из производителей которые набрали больше всего популярнсти в AI последнее время. Я расскажу как они соотносятся с другими платами на рынке (Jetson, RockChip, Hailo, TI, etc.). Расскажу как подготовить сети для работы на платформах, покажу ограничения (что пока нельзя сделать, ограничения по скорости, и.т.д.).</p><p><a href="https://habr.com/ru/companies/recognitor/articles/898152/" rel="nofollow noopener" translate="no" target="_blank"><span class="invisible">https://</span><span class="ellipsis">habr.com/ru/companies/recognit</span><span class="invisible">or/articles/898152/</span></a></p><p><a href="https://zhub.link/tags/Sophon" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>Sophon</span></a> <a href="https://zhub.link/tags/NPU" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>NPU</span></a> <a href="https://zhub.link/tags/Jetson" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>Jetson</span></a> <a href="https://zhub.link/tags/RockChip" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>RockChip</span></a> <a href="https://zhub.link/tags/ML" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>ML</span></a> <a href="https://zhub.link/tags/Edge_Inference" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>Edge_Inference</span></a> <a href="https://zhub.link/tags/Computer_Vision" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>Computer_Vision</span></a> <a href="https://zhub.link/tags/LLM" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>LLM</span></a> <a href="https://zhub.link/tags/VLM" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>VLM</span></a> <a href="https://zhub.link/tags/Qwen" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>Qwen</span></a></p>
José Gustavo Martins<p>Silicon dojo is a great youtube channel to learn about <a href="https://masto.pt/tags/python" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>python</span></a> and <a href="https://masto.pt/tags/computer_vision" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>computer_vision</span></a>. Check out the MoonDream AI videos.<br><a href="https://youtu.be/2xQG19-PvOI?si=r9gTNJD_lsfeyTYO" rel="nofollow noopener" translate="no" target="_blank"><span class="invisible">https://</span><span class="ellipsis">youtu.be/2xQG19-PvOI?si=r9gTNJ</span><span class="invisible">D_lsfeyTYO</span></a></p>
Habr<p>AI (Computer Vision) для реальной жизни (или кто для кого готов)</p><p>Профессия "плотник" полезна в обычной жизни, а что можно сказать о "программисте"? Когда государственной политикой является цифровизация, то правительство должно понимать: цифра она везде цифра! И в обычной жизни придется учитывать и такие истории. Но сначала, чтоб не тратить время "продвинутых" хабберчан, краткое резюме: 1. уровень технической информации = junior 2. стек = python, ultralytics, YOLO (различных версий) 3. тема = распознование объектов, обучение модели 4. социальная польза = забота об экологии в городе Москва История эта началась в нулевых, когда в очередной раз проходя мимо круга разворота автобусов, что находится у дома, я заплутал между громадного их количества, стоящих с включенными двигателями и чадящим прямо под окнами жителей. детали под катом</p><p><a href="https://habr.com/ru/articles/895048/" rel="nofollow noopener" translate="no" target="_blank"><span class="invisible">https://</span><span class="">habr.com/ru/articles/895048/</span><span class="invisible"></span></a></p><p><a href="https://zhub.link/tags/python" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>python</span></a> <a href="https://zhub.link/tags/ultralytics" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>ultralytics</span></a> <a href="https://zhub.link/tags/computer_vision" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>computer_vision</span></a> <a href="https://zhub.link/tags/YOLOv12" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>YOLOv12</span></a></p>
Habr<p>Mask R-CNN 3D</p><p>Mask R-CNN 3D – это расширение знаменитой модели Mask R-CNN для работы с трехмерными данными (объёмными изображениями или облаками точек). Классическая Mask R-CNN предназначена для instance segmentation (сегментации отдельных объектов) на 2D-изображениях и состоит из двух основных частей: (1) сети предложений областей (Region Proposal Network, RPN) и (2) головы (Head) с несколькими выходными ветвями для классификации, регрессии ограничивающих рамок и сегментации масок . В версии 3D эта же концепция перенесена в трехмерное пространство. Входом модели Mask R-CNN 3D обычно является объёмный данных – например, медицинский 3D снимок (CT/MRI) размером (D×H×W) или облако точек, представляющее 3D-сцену. Backbone-сеть (обычно сверточная нейросеть типа ResNet) извлекает из входных данных многомасштабные признаки. В 3D версии backbone заменяет все 2D-операции (свертки, пулинг) на 3D-аналоги, позволяя обрабатывать объёмные данные напрямую. (Если 3D-данные заданы как облако точек, возможно предварительное преобразование, например, вокселизация пространства или проекция на несколько 2D-плоскостей – об этом подробнее в разделе 6.) Backbone формирует карты признаков – объёмные тензоры с пониженным разрешением, но содержащие высокоуровневую информацию о структуре объектов в сцене. Далее вступает Region Proposal Network (RPN) – небольшая сеть, скользящая по картам признаков и генерирующая набор предположительных объектов (region proposals) в виде ограничивающих 3D-рамок (прямоугольных параллелепипедов в координатах исходного объёма). RPN использует заранее заданные «якоря» (anchor boxes) – шаблонные 3D-боксы разных размеров и соотношений сторон, размещенные по всей карте признаков . Для каждого такого anchor RPN предсказывает два значения: объектность (есть объект/фон) и смещение рамки (на сколько нужно подвинуть и масштабировать anchor, чтобы точнее охватить объект). После этого выбираются топ-N наиболее перспективных предложений с помощью non-maximum suppression (NMS) – подавления пересекающихся рамок с меньшей оценкой.</p><p><a href="https://habr.com/ru/articles/892892/" rel="nofollow noopener" translate="no" target="_blank"><span class="invisible">https://</span><span class="">habr.com/ru/articles/892892/</span><span class="invisible"></span></a></p><p><a href="https://zhub.link/tags/python" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>python</span></a> <a href="https://zhub.link/tags/pytorch3d" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>pytorch3d</span></a> <a href="https://zhub.link/tags/3d" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>3d</span></a> <a href="https://zhub.link/tags/computer_vision" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>computer_vision</span></a> <a href="https://zhub.link/tags/cnn" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>cnn</span></a> <a href="https://zhub.link/tags/mask_rcnn" class="mention hashtag" rel="nofollow noopener" target="_blank">#<span>mask_rcnn</span></a></p>
TrendingLive feeds
About