This media is not supported in your browser
VIEW IN TELEGRAM
Сверточная нейронная сеть (CNN) предсказывающая рукописные цифры. Все полностью на glsl и шейдерах. Модель состоит из 2023 параметров и слои активации отображаются по мере рисования
https://www.shadertoy.com/view/msVXWD
https://www.shadertoy.com/view/msVXWD
⚡2👍1🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
Интерактивная визуализация сверточной нейронной сети
можно смотреть что именно происходит на каждом шаге прямо в браузере
https://poloclub.github.io/cnn-explainer/
можно смотреть что именно происходит на каждом шаге прямо в браузере
https://poloclub.github.io/cnn-explainer/
🤯4👍1🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
PolyDiff: Создание 3D-полигональных сеток с использованием моделей диффузии»
Модель работает непосредственно с полигонами трехмерных сеток и генерирует новые формы в качестве выходных данных посредством итеративного процесса диффузии.
arxiv.org/abs/2312.11417
https://youtu.be/Dzdu4cQlS2k
Модель работает непосредственно с полигонами трехмерных сеток и генерирует новые формы в качестве выходных данных посредством итеративного процесса диффузии.
arxiv.org/abs/2312.11417
https://youtu.be/Dzdu4cQlS2k
👍5🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
Исследуйте модели трансформеров в вашем браузере
Интерактивная система визуализации, призванная помочь исследователям и практикам NLP анализировать и сравнивать весовые коэффициенты внимания в моделях на основе трансформаторов с лингвистическими знаниями.
https://poloclub.github.io/dodrio/
Интерактивная система визуализации, призванная помочь исследователям и практикам NLP анализировать и сравнивать весовые коэффициенты внимания в моделях на основе трансформаторов с лингвистическими знаниями.
https://poloclub.github.io/dodrio/
⚡2👍1
This media is not supported in your browser
VIEW IN TELEGRAM
Представляем UrbanGPT
ChatGPT от OpenAI с Grasshopper для создания трехмерных городских проектов в реальном времени на основе текста.
Просто введя любой текстовый запрос, дизайнеры могут генерировать динамические городские планы, отслеживать важные показатели (например, площадь программы и этажей) и создавать реалистичное распределение объемов для любого городского проекта. Эта объемная модель затем визуализируется в реальном времени на основе введенного текста с использованием алгоритмов диффузии искусственного интеллекта.
Текущая версия прототипа работает на базе GPT-4o, но легко адаптируется под любые языковые модели.
Это значительный шаг вперед в области текстового планирования городов!
https://clck.ru/3GAGGU
ChatGPT от OpenAI с Grasshopper для создания трехмерных городских проектов в реальном времени на основе текста.
Просто введя любой текстовый запрос, дизайнеры могут генерировать динамические городские планы, отслеживать важные показатели (например, площадь программы и этажей) и создавать реалистичное распределение объемов для любого городского проекта. Эта объемная модель затем визуализируется в реальном времени на основе введенного текста с использованием алгоритмов диффузии искусственного интеллекта.
Текущая версия прототипа работает на базе GPT-4o, но легко адаптируется под любые языковые модели.
Это значительный шаг вперед в области текстового планирования городов!
https://clck.ru/3GAGGU
👍3🔥2😱2
Геометрия концепций
В статье «Геометрия концепций: разреженная структура функций автокодировщика» авторы исследуют многослойную структуру концепций, представленных большими языковыми моделями, с помощью разреженных автокодировщиков. Они выявляют три уровня структуры:
1) «Атомная» мелкомасштабная структура
2) «Мозговая» промежуточная масштабная структура - например математические и кодовые признаки
3) Крупномасштабная структура "галактического" масштаба облака точек признаков
https://arxiv.org/abs/2410.19750
В статье «Геометрия концепций: разреженная структура функций автокодировщика» авторы исследуют многослойную структуру концепций, представленных большими языковыми моделями, с помощью разреженных автокодировщиков. Они выявляют три уровня структуры:
1) «Атомная» мелкомасштабная структура
2) «Мозговая» промежуточная масштабная структура - например математические и кодовые признаки
3) Крупномасштабная структура "галактического" масштаба облака точек признаков
https://arxiv.org/abs/2410.19750
🔥3👍1
This media is not supported in your browser
VIEW IN TELEGRAM
Модель трансформера с интерактивной визуализацией
https://poloclub.github.io/transformer-explainer/
https://poloclub.github.io/transformer-explainer/
🔥3👍1
Крутой ресурс с инструментами для понимания работы многих моделей ИИ
https://poloclub.github.io/
https://poloclub.github.io/
👍4🔥2
Forwarded from Data Secrets
Hugging Face сегодня в ударе: помимо опенсорсного агента Deep Research они релизнули целый стор ИИ приложений
Он так и называется: AI App store. В нем уже 400к (!) аппсов и найти можно вообще все, что хочешь. Например, нужна вам для вашего проекта тулза, транскрибирующая или обобщающая видео:
1. Заходите на huggingface.co/spaces
2. Вводите запрос «summary of video» (в поисковой строке кстати тоже встроена моделька) или переходите в нужный раздел из предложенных
3. Из множества вариантов выбираете то, что подходит, пользуетесь прямо внутри Hugging Face или качаете себе проект: они все опенсорсные и бесплатные
Так что если вы под каждую задачу искали по сусекам отдельный сервис, то больше так делать не нужно: Hugging Face объединил их все в одном месте и тут буквально за минуту отыщется действительно все. А если вы разработчик, то можно и самому добавить Space
🍯
Он так и называется: AI App store. В нем уже 400к (!) аппсов и найти можно вообще все, что хочешь. Например, нужна вам для вашего проекта тулза, транскрибирующая или обобщающая видео:
1. Заходите на huggingface.co/spaces
2. Вводите запрос «summary of video» (в поисковой строке кстати тоже встроена моделька) или переходите в нужный раздел из предложенных
3. Из множества вариантов выбираете то, что подходит, пользуетесь прямо внутри Hugging Face или качаете себе проект: они все опенсорсные и бесплатные
Так что если вы под каждую задачу искали по сусекам отдельный сервис, то больше так делать не нужно: Hugging Face объединил их все в одном месте и тут буквально за минуту отыщется действительно все. А если вы разработчик, то можно и самому добавить Space
🍯
👍7🔥2
This media is not supported in your browser
VIEW IN TELEGRAM
Transformer реализованный в excel 🤯🤯🤯
Здесь есть все
• Positional Encoding
• Self-Attention
• Cross-Attention
• Multi-head Attention
• Skip Connection
• LayerNorm
• ReLU Activation
• Feed Forward
• Softmax
Здесь есть все
• Positional Encoding
• Self-Attention
• Cross-Attention
• Multi-head Attention
• Skip Connection
• LayerNorm
• ReLU Activation
• Feed Forward
• Softmax
🤯7👍2
Forwarded from ИИ и роботы в стройке
Нужны ли нейросети в проектировании, и смогут ли они понимать чертежи
Геометрия, чертежи, 3D-модели... Всё это казалось далеким от мира нейросетей, но, как оказалось, это лишь вопрос времени. В статье на Хабре рассматривают вопрос, смогут ли нейросети чертить.
На данный момент вывод однозначен — пока ИИ не может дать ту точность, которую можно принимать на веру. Но это не мешает использовать нейросети как помощника — например, как поисковик по 3D-моделям, который умеет анализировать детали и давать рекомендации.
И разработчики продолжают искать способ повысить точность результата от ИИ — один из вариантов переводить пиксели в текст и работать с более логичными для нейросети входными «сырыми» данными в форматах DXF, STEP и т.д.
Чтобы повысить точность автор предлагает использовать связку двух моделей — трансформер (который хорошо «видит» статистические закономерности и прогнозирует варианты) и символическую систему, где будут даны четкие определения из серии «толщина — это...».
Где сейчас помогают нейросети в проектировании
⚫️ Автоматическая генерация вариаций позволяет нейросети создавать несколько форм детали, удовлетворяющих заданным ограничениям. Инженер выбирает наиболее удачную форму, что экономит время на ручном переборе.
⚫️ Упрощение рутинных операций помогает новичкам быстро понять части сборки. Нейросеть подсказывает, что это за деталь, и выступает в роли «справочника с интеллектом».
⚫️ Снижение «человеческого фактора» помогает избежать ошибок в чертежах. Нейросеть может предупредить о несоответствиях в размерах, единицах измерения и других неточностях.
Геометрия, чертежи, 3D-модели... Всё это казалось далеким от мира нейросетей, но, как оказалось, это лишь вопрос времени. В статье на Хабре рассматривают вопрос, смогут ли нейросети чертить.
На данный момент вывод однозначен — пока ИИ не может дать ту точность, которую можно принимать на веру. Но это не мешает использовать нейросети как помощника — например, как поисковик по 3D-моделям, который умеет анализировать детали и давать рекомендации.
И разработчики продолжают искать способ повысить точность результата от ИИ — один из вариантов переводить пиксели в текст и работать с более логичными для нейросети входными «сырыми» данными в форматах DXF, STEP и т.д.
Чтобы повысить точность автор предлагает использовать связку двух моделей — трансформер (который хорошо «видит» статистические закономерности и прогнозирует варианты) и символическую систему, где будут даны четкие определения из серии «толщина — это...».
Где сейчас помогают нейросети в проектировании
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3⚡1👍1
Аннотированная история современного искусственного интеллекта и глубокого обучения
https://people.idsia.ch/~juergen/deep-learning-history.html#rnn
https://people.idsia.ch/~juergen/deep-learning-history.html#rnn
👍4
Эволюция и слепое пятно Найта в машинном обучении
Статья о том как суровый фильтр эволюции позволил организмам (включая нас) ориентироваться в неожиданных событиях («неизвестные неизвестные»), с чем системы ИИ борются.
https://arxiv.org/abs/2501.13075
Статья о том как суровый фильтр эволюции позволил организмам (включая нас) ориентироваться в неожиданных событиях («неизвестные неизвестные»), с чем системы ИИ борются.
https://arxiv.org/abs/2501.13075
👍3
This media is not supported in your browser
VIEW IN TELEGRAM
Пространство-время Минковского объединяет три измерения пространства и одно измерение времени в единую систему. В ней расстояния и время зависят от движения наблюдателя: объекты могут казаться сжатыми или растянутыми, а одновременность событий становится относительной.
По сути это геометрическая интерпретация пространства-времени, где точки четырехмерного пространства - это события.
Эта концепция объясняет многие эффекты теории относительности
По сути это геометрическая интерпретация пространства-времени, где точки четырехмерного пространства - это события.
Эта концепция объясняет многие эффекты теории относительности
1⚡6👍2
This media is not supported in your browser
VIEW IN TELEGRAM
Text2CAD
генерация параметрических моделей САПР из текстовых подсказок. Подсказки могут варьироваться от абстрактных описаний форм до подробных параметрических инструкций.
https://sadilkhan.github.io/text2cad-project/
генерация параметрических моделей САПР из текстовых подсказок. Подсказки могут варьироваться от абстрактных описаний форм до подробных параметрических инструкций.
https://sadilkhan.github.io/text2cad-project/
1👍4⚡1👎1🔥1
ContrastCAD
Успех моделей на основе Transformer побудил многих исследователей изучать модели CAD, используя подходы, основанные на последовательностях.
Экспериментальные результаты показывают, что предлагаемый метод значительно повышает эффективность обучения автоэнкодеров на основе Transformer даже для сложных моделей CAD, имеющих очень длинные последовательности построения.
https://ieeexplore.ieee.org/document/10559801
Успех моделей на основе Transformer побудил многих исследователей изучать модели CAD, используя подходы, основанные на последовательностях.
Экспериментальные результаты показывают, что предлагаемый метод значительно повышает эффективность обучения автоэнкодеров на основе Transformer даже для сложных моделей CAD, имеющих очень длинные последовательности построения.
https://ieeexplore.ieee.org/document/10559801
1🔥4⚡1👍1