掘友等级
获得徽章 0
生成模型和判别模型的差异
生成模型是一种任务设计型的学习,这种学习方式区别于判别式学习地方在于:通过任务设计的方式实现显示的loss设计的效果,这样可以把很多用无法显示loss设计的任务变得可能,并且可以把很多因为认知偏差导致无法解耦合的问题可以解。也就是任务设计巧妙的绕开了需要非常明确的把细节拆开设计loss才能解决问题的困局。很多问题看起来是耦合的,你站在这个视角看可以这么区分,在另一个视角看可以那么分;但无论如何都千丝万缕无法完全切分开,如果这样那么我们就永远是近真实,很多问题如果站的视角不对就会被分的非常细,如此细的任务很多问题是确实数据的,那么这个问题就没解了。任务设计的巧妙之处是不需要显示的把这些loss分那么细,只要大致的设计好很多耦合问题反导对于其它能力提升是有帮助的。
松下无人一残局,山中松子落棋局
神仙更有神仙着,千古输赢下不完
百年未有大变局,到了现龙在天有迹可循
AI让原本很多进不去行业,直接进去
gpt+dit可能是OpenAI的新架构
很有可能openai应该不是纯粹的gpt架构了
而是gpt+dit 类似sora的架构
目前看来gpt+dit才可能解决无限长和多模态快速融合高效输出的问题
光gpt在图和语音这种像素点密集架构推理会很慢
光dit对于无限上下文问题解决不太好
所以sora的gpt+dit才可能解决多模态效率问题
大家讲sora基本只介绍dit往往忽略他是怎么实现视频拼接 视频续生的
token本身没问题的 图视频也是序列的
这就是为什么sora不是直接dit而是gpt+dit
国内文生图大模型生态圈来了
中文语义理解精准的t2i模型来了
拥抱dit架构模型吧
sd生态空缺的大模型
不到2个月就被国内大模型生态圈拿下
恭喜恭喜
目前diffusion思路更类似点彩作画
矢量更像刺绣织毛衣控制线
3d矢量和建模更像竹编
diffusion+计算图建模才可能书法
物理真实性才可能更接近人
各位科研大神有兴趣
可以看看有没办法把diffusion建模时候控制点的思路扩展到控制线
感觉这块还是很有意思
这部分工作也不多
大家要不就是在研究矢量
要不就是研究矢量应用
但是好像没人在研究用线建模(笔划)方式来作画
都挤在diffusion控制点分布这个范畴
这估计是点控制理论更直观 简单
点建模方式不太符合现实应用
应该把更多实际建模逻辑引入
线的建模更符合工业应用
并且在动画 仿真里面有落地实践
在3d打印 刺绣纺织 包括可以直接无缝和cad ue结合
www.zhihu.com
文字情景动画生成
文本描述情景字体生成
文字向量化贝赛尔曲线
描述方式控制贝赛尔曲线动画转变
ai为什么永远不会成为被演者?
ai可以画图却写不好字
很明显它不按笔划作画
演员可以各种方法毕竟被呈现者
但是他永远不会成为被演者
汽车未来可能做到和手机一样终身不需要维修
汽车很有可能做到和手机一样
终身不需要维修 4s店直接模块化置换
社区和应用服务存在大于售后服务
比车即服务 而非售后服务的周到性
从以车为中心变成以人为中心
AI和人的协同作业模式
sqlboy的价值不在于sql工具
现在工具都做不到完全自动化
领域建模能力还缺
只能说是逐步取代只会用工具的人
工具智能了 以前是人找工具 现在工具找人 适配人
你的认知价值 目前ai是取代不了的
是的前面几轮技术 低代码 自动可视化 取数…
都是想解决一个问题 只是aigc往前把这些想法推进了一大步
下一页