cv.
Абляционный анализ компонентов StyleGAN-NADA: от ансамбля CLIP до Gradient Clipping
ВведениеГенеративные модели, такие как StyleGAN2, способны создавать изображения лиц. Однако для управления ими обычно требуется либо оптимизация латентного представления, поступающего на вход генератора, либо обучение генератора с нуля, либо fine-tuning (дообучение) предобученной модели. Метод StyleGAN-NADA (No Annotation Domain Adaptation) предложил подход: адаптировать генеративную модель (StyleGAN2) к новому домену без единого изображения. Вместо этого используется семантическая сила больших моделей, предварительно обученных контрастивным методом на тексте и изображениях (CLIP).
Критерии приемки AI-ML-проекта: как определить качество результата и что закрепить в договоре
В разработке большую часть функционала оценивают бинарно — либо кнопка работает, либо нет. А вот в алгоритмах с нейросетями результат всегда остается вероятностным и зависит от n-го числа параметров.Я Евгений Макутин, ML-инженер в веб-продакшене Далее. В статье расскажу, как договориться о способах измерения качества и условиях, при которых результат AI/ML-решения считается принятым. Главные судьи в оценке качества AI/ML-продуктов — измеримые показатели
Repka Pi 5, обзор и сравнение c Raspberry Pi 5 — сразу впечатляющие результаты
Около полугода назад Российский проект Репка выпустил на рынок пятую версию - Repka Pi 5, т.е. альтернативу Raspberry Pi 5. Теперь в продуктовой линейке проекта есть в т.ч. ТОПовый одноплатник, отвечающий современным требованиям к производительности, когда мощности "обычных" одноплатников не достаточно по тем или иным причинам. Давайте посмотрим сравнение тестов производительности Raspberry Pi 5 и Repka Pi 5 - насколько Repka Pi оказалась быстрая? Если кратко: - производительность вычислительной мощности у Репки в 1,5 раза выше, чем у Малины; -
Онлайн‑магистратура НИЯУ МИФИ «Специалист по работе с данными и применению ИИ»: как успеть поступить в 2026 году
Привет, это команда Яндекс Практикума. Приём документов на поступление в 2026 году закончится меньше, чем через неделю, но вы ещё можете успеть поступить в онлайн‑магистратуру «Специалист по работе с данными и применению ИИ» НИЯУ МИФИ в партнёрстве с Практикумом. В статье мы расскажем, что входит в программу и как на неё поступить.
Может ли ИИ выучить физику, просто наблюдая за миром?
О когнитивных способностях человека есть много исследований. Одно из самых известных это исследование за авторством Элизабет Спелке. Оно о том как у человека появляется самое первое, базовое понимание мира и физических законов. Её работа ставит под сомнение традиционные взгляды на то, что всё человеческое знание приобретается исключительно через опыт, и выдвигает гипотезу о наличии врожденных когнитивных систем.
Компас и нейросеть: как бегать рогейны по приборам
Волей случая мне повезло принадлежать к интересной породе людей. Мы не прочь встать в выходной пораньше, уехать из города в лес, где на поляне (или опушке) можно обменять небольшую сумму кровных на бумажную карту окрестностей с отмеченными на ней точками. И затем, вооружившись компасом, потратить несколько следующих часов жизни на блуждание по полям, лесам и болотам в поисках этих точек. Чаще в компании, чем в гордом одиночестве.Со стороны это обычно такие мероприятия выглядят, как толпа бездельников, скитающихся по разным зарослям, уткнувшись в карту, примерно так:
Обучаем ИИ видеть то, чего он никогда не видел
Задача обнаружения объектов на изображении не нова, подходов к её решению существует масса. Вероятно, самым популярным и известным среди них будет YOLO. Появившись в 2015 году, эта серия систем по сей день используется, когда хочется сделать детекцию быстро, без долгих экспериментов с архитектурой.
