Сейчас качество сравнения двух мордочек питомцев составляет 94% для собак и 84% — для кошек.
Модели первого этапа мы обучили на датасете из 140 тыс. фотографий
А теперь сравним с естественным интеллектом
5-6 летний ребенок с нормальным развитием даст качество сравнения практически 100%. Дайте ему фото кошки любой породы или собаки любой породы — "мяу-мяу" или "гав-гав" практически со 100% надежностью. Бодее того, покажи ему фото тигра, получим "большая кошка", даже если он впервые видит тигра.
Ну ладно, кошки более или менее похожи друг на друга. Но бульдог не очень похож на пуделя, а они оба на овчарку. Может, какой-то ребенок и засомневается, собака ли это (с волком спутать можно), но ни одну собаку за кошку ребенок не примет.
А теперь главное.
Сколько в своей жизни этот ребенок видел кошек и собак ? Живых — хорошо если пару десятков, возможно, что и меньше. Ну еще сколько-то на картинках, в фильмах и т.д. Тоже десятки, ну пусть сотню-две.
Но не 140 тысяч же!
И кстати, дайте ему мультик посмотреть — он и там Шарика и Матроскина отнесет совершенно точно. Интересно, что будет , если этому engine Матроскина подсунуть
Нет уж , господа. О распознавании с качеством естественного интеллекта говорить можно будет, если вы дадите этому ИИ 20-30 фотографий или видео, и он после этого запомнит раз и навсегда, как выглядят, скажем, лошади (кстати, возможно, ребенок живых лошадей никогда и не видел) и впредь с практически 100% надежностью будет их опознавать.
А сколько надо-то ? Живого дикобраза Вы, возможно, и не видели. Но покажи Вам 20-30 фото дикобразов — навсегда запомните, как они выглядят.
А 20-30 точно Вам нужно ? 2-3 не хватит ? А может, и одной достаточно ?
А вот как этот ребенок на столь малой выборке для обучения ухитряется получить почти 100% качество распознавания — вот на этот вопрос ответа я пока не вижу.
Но одно ясно — не теми методами, которые используются при обучении всех этих нейросетей и прочего ИИ.
И не уверен, что эти методы вообще алгоритмические.
Здравствуйте, Pavel Dvorkin, Вы писали:
PD>Но не 140 тысяч же! PD>Но одно ясно — не теми методами, которые используются при обучении всех этих нейросетей и прочего ИИ.
Здесь ещё вопрос, что считать методами. Одно дело используемые для обучения алгоритмы. Другое дело получаемая для обработки информация. Если естественному мозгу дать 140 тысяч фото, но не разрешить при этом ни перемещаться в пространстве, ни рассматривать объекты с разных сторон, то может выйти так же плохо.
Фото может и 140 тысяч, но сколько кадров человек получил за свою жизнь прежде чем обрёл пространственное мышление. Я сейчас задал вопрос поисковику "сколько кадров в секунду видит человеческий глаз".
Согласно исследованиям, человеческий глаз способен воспринимать вплоть до 1000 кадров в секунду.
Это, конечно, не значит, что можно просмотреть 140 тысяч фото за 140 секунд, но явно показывает, что в обучении не всё так просто. Каждое смещение зрения меняет нервную сеть мозга.
А ещё есть вопрос понимания, почему один объект называется так, а другой иначе. Я эту тему рассматривал в топике про обучение карточками. Типы мышления формируются у людей постепенно от одного к другому.
Сначала люди могут мыслить только смотря на объекты. Потом они могут их воображать. Далее идёт способность описывать их словами, то есть символами и звуками. И в завершении кто-то может освоить абстракцию, например, классифицировать конкретный объект кошку, как общий вид всех объектов кошек.
Это долгий путь формирования мышления состоящий из множества этапов, а не так что, смотри это кошка, мозг человека рулит, а вот компьютер нет.
Здравствуйте, velkin, Вы писали:
V>Здесь ещё вопрос, что считать методами. Одно дело используемые для обучения алгоритмы. Другое дело получаемая для обработки информация. Если естественному мозгу дать 140 тысяч фото, но не разрешить при этом ни перемещаться в пространстве, ни рассматривать объекты с разных сторон, то может выйти так же плохо.
Пусть так. Не возражаю, если этот ИИ потребует 3-мерную модель кошки или просто видео кошки. Но пару десятков, и не больше.
V>Согласно исследованиям, человеческий глаз способен воспринимать вплоть до 1000 кадров в секунду.
Воспринимать-то он, возможно, и может, а вот получает хорошо если 1-2. Потому что за секунду мало что меняется, и мозг ловит только изменения. Это как с передачей , скажем, по RDP — там совсем не нужно посылать все 60 4К экранов за секунду, хватит пересылки отличий.
V>Это, конечно, не значит, что можно просмотреть 140 тысяч фото за 140 секунд, но явно показывает, что в обучении не всё так просто. Каждое смещение зрения меняет нервную сеть мозга.
Ради бога. Но 20-30 и больше не дам, и чтобы 100%.
Здравствуйте, Pavel Dvorkin, Вы писали:
PD>А теперь сравним с естественным интеллектом
PD>5-6 летний ребенок с нормальным развитием даст качество сравнения практически 100%. Дайте ему фото кошки любой породы или собаки любой породы — "мяу-мяу" или "гав-гав" практически со 100% надежностью. Бодее того, покажи ему фото тигра, получим "большая кошка", даже если он впервые видит тигра. PD>Ну ладно, кошки более или менее похожи друг на друга. Но бульдог не очень похож на пуделя, а они оба на овчарку. Может, какой-то ребенок и засомневается, собака ли это (с волком спутать можно), но ни одну собаку за кошку ребенок не примет.
Забавно тут то, что твой могучий естественный интеллект не сумел понять смысл статьи. Суть не в умении отличить кошку от собаки, а в умении отличить серого кота Ваську от другого серого кота Барсика. Я вот сомневаюсь, что смогу запросто различить двух условных британцев.
PD>А сколько надо-то ? Живого дикобраза Вы, возможно, и не видели. Но покажи Вам 20-30 фото дикобразов — навсегда запомните, как они выглядят. PD>А 20-30 точно Вам нужно ? 2-3 не хватит ? А может, и одной достаточно ?
PD>А вот как этот ребенок на столь малой выборке для обучения ухитряется получить почти 100% качество распознавания — вот на этот вопрос ответа я пока не вижу. PD>Но одно ясно — не теми методами, которые используются при обучении всех этих нейросетей и прочего ИИ.
Во-первых, у человека никогда не происходит обучения с нуля. Чтобы легко опознать дикобраза по одной фотке, мозг уже должен содержать огромное множество сформированных кластеров-понятий, по которым и раскладывается вновь поступившая информация. Чтобы проверить обучение с нуля, возьми новорожденного ребенка и посмотри, сколько уйдет лет на то, чтобы он уверенно отличал любую собаку от кошки на картинке.
Во-вторых, человек никогда не оперирует одним лишь изображением как массивом пикселей. У него уже в наличии есть сформированная годами картина всего окружающего мира, с огромным массивом понятий типа "большой-маленький", "теплый-холодный", "мягкий-твердый", "тяжелый-легкий" и так далее и тому подобное. Например тому, чтобы успешно опознать дикобраза, очень способствует наличие понятия "острый" и знакомства с иголками. А наличие знаний о деформации (смятая бумага) и разрушении предметов (разбитая кружка) помогут с первого раза опознать машину в груде металла после аварии. Никакие многослойные сети, с любыми методами обучения, которым скармливали лишь массивы фоток машин на это не будут способны.
Здравствуйте, ltc, Вы писали:
ltc>Забавно тут то, что твой могучий естественный интеллект не сумел понять смысл статьи. Суть не в умении отличить кошку от собаки, а в умении отличить серого кота Ваську от другого серого кота Барсика. Я вот сомневаюсь, что смогу запросто различить двух условных британцев.
Возможно, а как все же насчет отличить кошку от собаки ? Несколько лет назад я скормил фото моего прежнего кота одной системе. Пушистый был и совершенно белый, и эта engine признала его котом на 20%, а на 40% — кроликом. Судя по всему, исследовала она текстуру меха, а он действительно похож на кроличий. Вот только никакой ребенок структуру меха изучать не будет и вообще не станет на него внимания обращать, и за кролика кота никак не примет. И не надо ему для этого скормить 140 тысяч фото белых котов.
Да и с серым Васькой от серого Барсика тоже не все так просто. Отличить 2 котов нам сложно, для этого, наверное, надо быть котом . А вот покажи тебе фотографию незнакомого человека, дай на нее посмотреть, и ты его с надежностью, близкой к 100% найдешь на других фотографиях (конечно, того же его возраста). И когда увидишь, тоже опознаешь. По одной фотографии. Если бы это было не так — как бы вахтеры работали ?
ltc>Во-первых, у человека никогда не происходит обучения с нуля. Чтобы легко опознать дикобраза по одной фотке, мозг уже должен содержать огромное множество сформированных кластеров-понятий, по которым и раскладывается вновь поступившая информация. Чтобы проверить обучение с нуля, возьми новорожденного ребенка и посмотри, сколько уйдет лет на то, чтобы он уверенно отличал любую собаку от кошки на картинке.
5-6 лет и уйдет. Возможно, меньше точнее могут сказать специалисты, я не в курсе, с какого возраста ребенок становится в состоянии идентифицировать объекты внешнего мира. Едва ли с рождения. Но в 5-6 лет он отличать умеет
ltc>Во-вторых, человек никогда не оперирует одним лишь изображением как массивом пикселей. У него уже в наличии есть сформированная годами картина всего окружающего мира, с огромным массивом понятий типа "большой-маленький", "теплый-холодный", "мягкий-твердый", "тяжелый-легкий" и так далее и тому подобное. Например тому, чтобы успешно опознать дикобраза, очень способствует наличие понятия "острый" и знакомства с иголками. А наличие знаний о деформации (смятая бумага) и разрушении предметов (разбитая кружка) помогут с первого раза опознать машину в груде металла после аварии. Никакие многослойные сети, с любыми методами обучения, которым скармливали лишь массивы фоток машин на это не будут способны.
Да бога ради, не возражаю, согласен. Вот только как с выборкой быть ? Мягкий там или твердый, теплый или холодный — а 140 тысяч не нужно.
PD>Сколько в своей жизни этот ребенок видел кошек и собак ? Живых — хорошо если пару десятков, возможно, что и меньше. Ну еще сколько-то на картинках, в фильмах и т.д. Тоже десятки, ну пусть сотню-две.
PD>Но не 140 тысяч же!
Ну так делаются алгоритмы способные узнавать картинку после единственного предъявления. Просто они ещё развиваются, и таких впечатляющих результатов нет, но работа идёт.
Человечков всё-таки миллионы лет эволюция хардкодила на 3-х мерный мир, живое/неживое, выделение контуров, и так далее. Ребёнку очень легко отделить кошку от окружения просто за счёт того что кошка движется и видно какие её части как связаны. Плюс у нас есть умение "вычитать всё известное из картинки". Вот сидит на траве неведомый зверь, и ребёнку говорят "кошка", и он сразу понимает что трава уже известна и название у неё другое, значит минус траву, ветка вообще неживая, минус и ветку, и т.д. а то что осталось — получается кошка. Для нейросетей такие алгоритмы "дообучения" ещё только придумывают, улучшают. Тот же Stable Diffusion уже можно "дообучить" на конкретных фотках, без нееобходимости обучать с нуля. Про ещё более передовые вещи можно узнать только из публикаций, написанных достаточно сложным языком.
Пока компу приходится увидеть кошку много раз просто чтобы понять где заканчиваются кошачьи пиксели и начинаются пиксели окружающего мира. При этом в 140 тысячах фоток и кошки разные и их окружение разное. Компу в каком-то смысле даже сложнее.
Люди вот захардкодили устройства по запоминанию данных, и сейчас любой HDD способен точно запомнить больше данных чем целая куча людей, сколько бы повторений они не делали. И с котиками тоже самое будет. Придумаются более совершенные подходы и обязательно будет.
Ах да, в дополнение к ответу. На вот этом видео можно посмотреть как Stable Diffusion учится с 6 фотографий не просто запоминать, а ещё и рисовать конкретного человека. Причём на вполне потребительской видеокарте и за считанные минуты. Кластер на мегават не нужен. Так что не вижу повода для меланхолии.
PD>5-6 летний ребенок с нормальным развитием даст качество сравнения практически 100%.
Даже если 100%, всё равно ребёнка нужна растить и воспитывать 5-6 лет. А скопировать нейросеть на новый компьютер — это несколько минут. И производительность у нейросети сотни и тысячи сравнений в секунду, без перерывов на отдых.
PD>И не уверен, что эти методы вообще алгоритмические.
А какие? Божественные? Потусторонние? Если биологическая нейросеть (головной мозг) выполняет некую задачу, значит и искусственная нейросеть способна выполнить ту же задачу.
Здравствуйте, Pavel Dvorkin, Вы писали:
PD>Возможно, а как все же насчет отличить кошку от собаки ? Несколько лет назад я скормил фото моего прежнего кота одной системе. Пушистый был и совершенно белый, и эта engine признала его котом на 20%, а на 40% — кроликом. Судя по всему, исследовала она текстуру меха, а он действительно похож на кроличий. Вот только никакой ребенок структуру меха изучать не будет и вообще не станет на него внимания обращать, и за кролика кота никак не примет. И не надо ему для этого скормить 140 тысяч фото белых котов.
Я об этом и писал — это может быть следствием фундаментального ограничения пространства восприятия нейросетей (просто массив чисел). Сеть не может знать про длинные уши, потому что не знает про звуки и слух, не знает про лапки потому что не умеет прыгать, не может знать про пушистость меха, потому что не может его потрогать.
Возможно, проекция твоего кота в ограниченном пространстве массива чисел фотки действительно была чем-то близка проекции кролика. А вот информации чтобы восстановить по проекции исходный объект, которой обладает каждый человек, у нейросети нет и быть не может.
PD>Да и с серым Васькой от серого Барсика тоже не все так просто. Отличить 2 котов нам сложно, для этого, наверное, надо быть котом . А вот покажи тебе фотографию незнакомого человека, дай на нее посмотреть, и ты его с надежностью, близкой к 100% найдешь на других фотографиях (конечно, того же его возраста). И когда увидишь, тоже опознаешь. По одной фотографии. Если бы это было не так — как бы вахтеры работали ?
А китайцев сможешь различить? А с другой стрижкой, в гриме? Вон, люди путают киру найтли с натали портман, а ты говоришь "близко к 100%".
PD>5-6 лет и уйдет. Возможно, меньше точнее могут сказать специалисты, я не в курсе, с какого возраста ребенок становится в состоянии идентифицировать объекты внешнего мира. Едва ли с рождения. Но в 5-6 лет он отличать умеет
Ну, скорее 3-4, а не 5-6. Смотря насколько ребенку кошки и собаки интересны. Но ведь тут такая штука — это годы непрерывного обучения, интерактивного познания окружающего мира с кучей набитых шишек. А не так что показал фотку кошки и собаки — вот и всё обучение. На фоне этого 140 тысяч показанных фоток уже не выглядят так ужасно.
PD>Да бога ради, не возражаю, согласен. Вот только как с выборкой быть ? Мягкий там или твердый, теплый или холодный — а 140 тысяч не нужно.
140 тысяч может и не нужно, а годы познания мира и тренировки мозга — нужны. Единственное с чем не могу поспорить — это плохая, практически отсутствующая аддитивность "знаний" в нейросетях. То, что она "научилась" отличать кошек от собак, никак не поможет ей отличить корову от лошади.
Здравствуйте, hi_octane, Вы писали:
_>Человечков всё-таки миллионы лет эволюция хардкодила на 3-х мерный мир, живое/неживое, выделение контуров, и так далее. Ребёнку очень легко отделить кошку от окружения просто за счёт того что кошка движется и видно какие её части как связаны. Плюс у нас есть умение "вычитать всё известное из картинки". Вот сидит на траве неведомый зверь, и ребёнку говорят "кошка", и он сразу понимает что трава уже известна и название у неё другое, значит минус траву, ветка вообще неживая, минус и ветку, и т.д. а то что осталось — получается кошка. Для нейросетей такие алгоритмы "дообучения" ещё только придумывают, улучшают. Тот же Stable Diffusion уже можно "дообучить" на конкретных фотках, без нееобходимости обучать с нуля. Про ещё более передовые вещи можно узнать только из публикаций, написанных достаточно сложным языком.
_>Пока компу приходится увидеть кошку много раз просто чтобы понять где заканчиваются кошачьи пиксели и начинаются пиксели окружающего мира. При этом в 140 тысячах фоток и кошки разные и их окружение разное. Компу в каком-то смысле даже сложнее.
Со всем согласен, но ему достаточно увидеть ее один или несколько раз, и он запомнит. И траву достаточно увидеть несколько раз. И все остальное. Нет ничего такого, что ему надо увидеть 140000 раз, чтобы разобраться.
Кстати, и попиксельно (под микроскопом) он кошку не изучает. Взглянул несколько раз, сказали ему, как она называется — и все, связка "нечто, имеющее такой вид — кошка" в мозгу сформирована.
И узнает он ее теперь в положении сидя, лежа, сзади и во всех прочих кошачьих позах.
А из этого следует, что механизмы принципиально отличаются. Вот в этом и проблема.
Здравствуйте, L.K., Вы писали:
PD>>И не уверен, что эти методы вообще алгоритмические.
LK>А какие? Божественные? Потусторонние? Если биологическая нейросеть (головной мозг) выполняет некую задачу, значит и искусственная нейросеть способна выполнить ту же задачу.
Нет, не божественные, и не потусторонние, потому что все вполне происходит в этом мире.
А вот уверенность, что любые действия в реальном мире есть действия алгоритмизируемые — мне не кажется очевидной. Вполне возможно, что существуют какие-то иные методы восприятия, которые не алгоритмизируемы. Не потому, что они божественные или потусторонние, а потому что они иные и к действию по алгоритму не сводятся.
Здравствуйте, ltc, Вы писали:
ltc>Здравствуйте, Pavel Dvorkin, Вы писали:
PD>>Да и с серым Васькой от серого Барсика тоже не все так просто. Отличить 2 котов нам сложно, для этого, наверное, надо быть котом . А вот покажи тебе фотографию незнакомого человека, дай на нее посмотреть, и ты его с надежностью, близкой к 100% найдешь на других фотографиях (конечно, того же его возраста). И когда увидишь, тоже опознаешь. По одной фотографии. Если бы это было не так — как бы вахтеры работали ?
ltc>А китайцев сможешь различить?
Возможно, что и нет. Или для этого надо быть китайцем, они, думаю, смогут.
>А с другой стрижкой, в гриме? Вон, люди путают киру найтли с натали портман, а ты говоришь "близко к 100%".
И все же близко к 100%. Ошибки возможны, конечно, но иначе как бы всякие пропускные системы работали ? А работают, в общем, хоть и не на 100%.
Меня в 90-е остановили на молдавско-румынской границе. Ехали мы в автобусный тур, проход границы был ночью, пограничник прошел по автобусу, сверяя паспорта с оригиналом. И вот мое фото ему не понравилось. Он пригласил меня выйти из автобуса, подвел к освещенному месту и долго сравнивал фото со мной, но в итоге все же пропустил.
PD>>5-6 лет и уйдет. Возможно, меньше точнее могут сказать специалисты, я не в курсе, с какого возраста ребенок становится в состоянии идентифицировать объекты внешнего мира. Едва ли с рождения. Но в 5-6 лет он отличать умеет
ltc>Ну, скорее 3-4, а не 5-6. Смотря насколько ребенку кошки и собаки интересны. Но ведь тут такая штука — это годы непрерывного обучения, интерактивного познания окружающего мира с кучей набитых шишек. А не так что показал фотку кошки и собаки — вот и всё обучение. На фоне этого 140 тысяч показанных фоток уже не выглядят так ужасно.
Все верно, но пойми главное, о чем я говорю. Какое угодно обучение, какая угодно интерактивность, да еще и мама с папой есть, которых у нейросети нет. Все верно. Вот только это познание какое-то синтетическое, а не аналитическое. Не подробности (вот для них 140000 и нужно), а как-то увидел несколько раз, ну пару раз ошибся, мама поправила — и все, готово и навсегда.
Кстати, о шерсти. Хороший пример. Этот engine видимо, ее в деталях исследовал. Структуру изучал, какие-то структуры данных строил, сравнивал с образцами и т.д. А мех у него оказался похож на кроличий, вот и ошибка в результате. А ребенок не будет под микроскопом мех изучать. Взглянул — и все. Даже если кот фотографирован сзади.
ltc>140 тысяч может и не нужно, а годы познания мира и тренировки мозга — нужны. Единственное с чем не могу поспорить — это плохая, практически отсутствующая аддитивность "знаний" в нейросетях. То, что она "научилась" отличать кошек от собак, никак не поможет ей отличить корову от лошади.
Годы нужны, учителя нужны, все верно, но вот 140000 не нужны и методы исследования шерсти под микроскопом ребенку не нужны. А это и есть обоснование основного, что я утверждаю — эти механизмы принципиально различны. Можно улучшать распознавание по шерсти, чтобы не было таких ошибок. Наверное, что-то есть, что позволит с уверенностью отличить шерсть кошки от шерсти кролика. Но это ни на йоту не приблизит нас к тому механизму, который у человека.
Здравствуйте, Pavel Dvorkin, Вы писали:
PD>Возможно, а как все же насчет отличить кошку от собаки ? Несколько лет назад я скормил фото моего прежнего кота одной системе. Пушистый был и совершенно белый, и эта engine признала его котом на 20%, а на 40% — кроликом.
Здравствуйте, vsb, Вы писали:
PD>>Возможно, а как все же насчет отличить кошку от собаки ? Несколько лет назад я скормил фото моего прежнего кота одной системе. Пушистый был и совершенно белый, и эта engine признала его котом на 20%, а на 40% — кроликом.
vsb>Такой?
PD>А из этого следует, что механизмы принципиально отличаются. Вот в этом и проблема.
Ну как мне кажется проблема несколько надуманная. Вот человек умеет считать и калькулятор умеет считать. Механизмы отличаются, и калькулятор давно и бесповоротно заборол человека и в скорости и в точности расчётов. Тоже самое с хранением данных — и люди умеют запоминать, и карты памяти. И карты памяти очевидно запоминают быстрее и точнее (по больше/меньше ещё вопросы).
Механизмы мышления неизбежно будут отличаться. И скорее всего компы как обычно окажутся быстрее и точнее чем люди. Просто потому что мы не успокоимся, пока не получим от них превосходящей точности, а превосходящую скорость обеспечит технический прогресс.
? Оно же не просто запоминает человека с 6 фотоко 512x512 пикселей, оно даже рисует в принципе с сохранением важных черт лица. Из людей так далеко не все могут.
ltc>140 тысяч может и не нужно, а годы познания мира и тренировки мозга — нужны. Единственное с чем не могу поспорить — это плохая, практически отсутствующая аддитивность "знаний" в нейросетях. То, что она "научилась" отличать кошек от собак, никак не поможет ей отличить корову от лошади.
Уже и к этому подобрались. И Stable Diffusion и Chat-GPT дообучаются на примерах картинок/диалогов. И каких-то суперкластеров для этого похоже не нужно. Для Stable Diffusion можно самому убедиться, а в Chat-GPT оценить по стоимости, что они тоже дообучают очень малой мощностью.
Здравствуйте, hi_octane, Вы писали:
_>Ну как мне кажется проблема несколько надуманная. Вот человек умеет считать и калькулятор умеет считать. Механизмы отличаются, и калькулятор давно и бесповоротно заборол человека и в скорости и в точности расчётов. Тоже самое с хранением данных — и люди умеют запоминать, и карты памяти. И карты памяти очевидно запоминают быстрее и точнее (по больше/меньше ещё вопросы).
Еще бы. Там , где речь идет об алгоритмизируемой задаче — несомненно заборол, и еще как. И с хранением данных тоже.
_>Механизмы мышления неизбежно будут отличаться. И скорее всего компы как обычно окажутся быстрее и точнее чем люди.
А вот тут большое сомнение. Кстати, считать они стали лучше людей с самого момента их появления. ЭНИАК лучше считал, чем все его авторы. Потому что механизм, в общем, для арифметики один и тот же, что в исполнении человека, что в исполнении компьютера (детали вроде системы счисления не в счет), а скорость у него на порядки выше.
А тут явно пытаются внедрить в ИИ метод, совершенно иной, чем тот, с которым действует человеческий интеллект, и ждут успеха.
>Просто потому что мы не успокоимся, пока не получим от них превосходящей точности, а превосходящую скорость обеспечит технический прогресс.
Мы-то может, и не успокоимся, а если задача таким способом не решается ? И даже если решается — это нисколько не похоже на то, как ее решает естественный интеллект.
? Оно же не просто запоминает человека с 6 фотоко 512x512 пикселей, оно даже рисует в принципе с сохранением важных черт лица. Из людей так далеко не все могут.
? Оно же не просто запоминает человека с 6 фотоко 512x512 пикселей, оно даже рисует в принципе с сохранением важных черт лица. Из людей так далеко не все могут.
PD>Нет пока. Час смотреть — времени нет.
Там же ссылка с таймкодом. Конкретно обучение c 30-й до 45-й минуты. Нейросеть учат что "avanes" это конкретный чувак на примере 5-6 фотографий. А потом она именно его и рисует. Учитывая сколько раз детям показывают кошек, кошечек и котиков в мультиках, играх и в жизни, как бы не вышло что нейросеть учится быстрее людей.
А всё видео про то как включить все возможности Stable Diffusion на обычном игровом компе, с видюхой даже не последнего поколения. Насколько помню, автор в основном сидит на 2080.
Здравствуйте, hi_octane, Вы писали:
_>Там же ссылка с таймкодом. Конкретно обучение c 30-й до 45-й минуты. Нейросеть учат что "avanes" это конкретный чувак на примере 5-6 фотографий. А потом она именно его и рисует. Учитывая сколько раз детям показывают кошек, кошечек и котиков в мультиках, играх и в жизни, как бы не вышло что нейросеть учится быстрее людей.
Попробовал с 30 по 33. Какая-то дикая смесь из папок, настроек и обращения к ребятам. Не в силах я такое смотреть, да и нельзя относиться серьезно к такому изложению. Где-то есть серьезное изложение ?
