В Москве пройдет выставка, созданная при помощи мировых нейросетей и российской нейросети Вышел трейлер первого фильма, созданного с помощью нейросетей. Работы Мунка наполнены грустью и печалью, а вот Байкал нейросеть показала вполне весело. Сервис Everypixel провел исследование среди генеративных нейросетей и пришел к выводу, что за полтора года искусственный интеллект создал свыше 15 млрд изображений.
Владимир Малевич - новости
| Русский музей запустил нейросеть во «ВКонтакте» | Digital | Новости | | По Кубизму Малевича нейросеть изобразила индустриальный пейзаж Липецка в перспективе в черных, красных, желтых, синих и голубых тонах. |
| Вологодские студенты обучили нейросеть распознавать рак легких - 35медиа | The models ruDALL-E Malevich (XL), ruDALL-E Kandinsky (XXL), ruCLIP Small, ruCLIP Large, and Super Resolution (Real ESRGAN) will also soon be available on DataHub. |
| Вологодские студенты обучают нейросеть распознаванию рака легких | | В преддверии 9 мая открыла доступ к нейросети, которая позволяет бесплатно отреставрировать старые фотографии. |
«СберКарту» теперь можно украсить картинами Малевича и Коровина
Обучение нейросети ruDALL-E на кластере Christofari стало самой большой вычислительной задачей в России. Новости видео-маркетинга. Шесть ошибок в продвижении бизнес-канала на YouTube. «Малевич»: россиянам продемонстрировали нейросеть будущего.
Создана первая нейросеть для мастеров красоты «Малевич»
| Нейросеть от отреставрирует фотографии - IT Speaker, новости информационных технологий | Результат генерации в нейросети Kandinsky 2.1 со стилями «Малевич», «киберпанк», «советский мультфильм» и «картина маслом». |
| Липецк в стиле Малевича, Айвазовского и советской анимации создал ФКР в нейросети | К 125-летию со дня открытия Русский музей запустил нейросеть в сообществе ВКонтакте Известные полотна иева, М. Врубеля, ча, П. |
Как пользоваться ботами нейросетей ChatGPT и Midjourney в «Телеграме» — и стоит ли это делать
| Выставка воссозданных с помощью нейросети Kandinsky картин открылась в Волгограде | По Кубизму Малевича нейросеть изобразила индустриальный пейзаж Липецка в перспективе в черных, красных, желтых, синих и голубых тонах. |
| Вологодские студенты обучили нейросеть распознавать рак легких | Калининградка с помощью нейросети Midjourney показала, каким бы увидели город великие художники. |
| Студенческое портфолио / НЕЙРО-МАЛЕВИЧ | Нейросеть Kandinsky создала десять произведений в стиле великого художника. |
| Создана первая нейросеть для мастеров красоты «Малевич» | Калининградка с помощью нейросети Midjourney показала, каким бы увидели город великие художники. |
Нейросеть Малевич создала герб Брянской области за 2 минуты
Русский музей к 125-летию со дня открытия запустил первый нейро-художественный проект в своем сообществе в социальной сети «ВКонтакте». Для обучения нейросети были использованы опубликованные в широком доступе фотографии и видео. Чтобы подобных недочетов было меньше, базу нейросети пополняют репродукциями фресок аналогичной иконографии и стиля.
Раздел для тех, кто новичок в теме изображений, создаваемых искусственных интеллектом
- Искусство 2.0. Нейрохудожник
- Вологодские студенты обучили нейросеть распознавать рак легких - 35медиа
- Выставка воссозданных с помощью нейросети Kandinsky картин открылась в Волгограде
- Примеры запросов и стилей генерации изображений
- Представлена нейросеть Kandinsky 2.1 от «Сбера» / Skillbox Media
- Нарисовать картинку с помощью нейросети на русском языке
«СберКарту» теперь можно украсить картинами Малевича и Коровина
Брюллов, В. Серов, М. Врубель, К. Малевич, П.
На выставке нейросеть предстанет как автор произведений искусства, поэтому ей дадут слово. Она расскажет, что по ее мнению является красивым, а что нет; в чем секрет гениальных художников — в таланте или виртуозном владении анатомией, геометрией и перспективой; и наконец, сможет ли нейрохудожник заменить человека-творца. Текст для закадрового голоса написан при помощи российской нейросети Retext.
Есть обновления и в пользовательском опыте Но пока только для пользователей Android. Перепривязать платежный счёт к карте теперь можно одним движением. Для этого используйте механику drag-and-drop — всё на одном экране.
Заходить в настройки каждой карты отдельно уже не нужно. Фон счёта меняется от количества трат. Управлять картой получится быстрее. Все условия обслуживания теперь собраны на одном экране, как и настройки. Как получить карту в новом дизайне Дизайн цифровой «СберКарты» можно обновить в приложении. В «Настройках» нажмите «Изменить дизайн карты».
Конечно, не кто иной, как Казимир Малевич в своем любимом стиле.
Скала-Шаманка состоит из геометрических фигур. Кстати, он один из первых представителей экспрессионизма. А самой узнаваемой работой стала картина «Крик». Работы Мунка наполнены грустью и печалью, а вот Байкал нейросеть показала вполне весело. Вот так бы выглядела бухта Песчаная, если бы ее увидел Эдвард Мунк. В следующих горделивых скалах можно вновь узнать скалу Шаманку. А автором творения мог быть Сальвадор Дали.
Правда испанский живописец жил совершенно на другом континенте.
«СберКарту» теперь можно украсить картинами Малевича и Коровина
С Kandinsky и «Сбертян» — нейросеть генерировала фоны, а художница и автор персонажа — девушку. С Kandinsky и «Сбертян» — нейросеть генерировала фоны, а художница и автор персонажа — девушку. Нейросети стремительно входят в нашу жизнь и даже грозят тем, что скоро смогут заменить многие профессии, но так ли они хороши на самом деле?
Искусство 2.0. Нейрохудожник
Пару недель назад я через инвайт от знакомого получил доступ к бета-тесту нейросети Midjourney, которая умеет генерировать изображения по текстовым описаниям. Как вы уже, наверное, знаете по новостям на DTF, с такими алгоритмами главное — правильно составить исходный запрос. Картинка создаётся за секунды, но нужный текст можно искать часами. В случае с Midjourney вся работа ведётся через специального бота в Discord, так что составлять запросы можно хоть по дороге на работу, в спортзале или в любом другом месте.
После сбора и фильтрации данных от слишком коротких описаний, маленьких изображений и изображений с непригодным отношением сторон, а также изображений, слабо соответствующих описаниям мы использовали для этого англоязычную модель CLIP , перевода всех английских описаний на русский язык, был сформирован широкий спектр данных для обучения — около 120 млн. Хочется отдельно упомянуть сложность выбора оптимальных режимов генерации для разных объектов и доменов. В ходе исследования генерации объектов мы начали с доказавших свою полезность в NLP-задачах подходов Nucleus Sampling и Top-K sampling, которые ограничивают пространство токенов, доступных для генерации. Эта тема хорошо исследована в применении к задачам создания текстов, но для изображений общепринятые настройки генерации оказались не самыми удачными. Серия экспериментов помогла нам определить приемлемые диапазоны параметров, но также указала на то, что для разных типов желаемых объектов эти диапазоны могут очень существенно отличаться.
И неправильный их выбор может привести к существенной деградации качества получившегося изображения. Вопрос автоматического выбора диапазона параметров по теме генерации остаётся предметом будущих исследований. Вот не совсем удачные генерации объектов на примере котиков, сгенерированные по запросу «Котик с красной лентой»: Картинка 1 — у кота 3 уха; второй не вышел формой; третий немного не в фокусе. А вот «Автомобиль на дороге среди красивых гор». Автомобиль слева въехал в какую-то трубу, а справа — странноватой формы. При этом на этапе генерации и ранжирования можно менять различные параметры, влияющие на количество генерируемых примеров, их отбор и абстрактность. Пайплайн генерации изображений по тексту В Colab можно запускать инференс модели ruDALL-E Malevich XL с полным пайплайном: генерацией изображений, их автоматическим ранжированием и увеличением. Рассмотрим его на примере с оленями выше.
Процесс обучения занимает от нескольких часов до нескольких лет. В ответ на ваш запрос ИИ выдает вам сразу несколько картинок, и вы можете выбрать ту, что вам нравится больше и дальше её трансформировать. Какие-то юзеры создают что-то в эстетике гравюры, другие много времени тратят, чтобы получить фотореалистичное изображение. Однако можно заметить — что это медиа в гораздо большей степени, чем фотоаппарат или перо, додумывает вашу идею.
Иногда он вас не понимает, поэтому придумывает что-то, о чем вы его не просили. Кроме того, если посмотреть на детали изображения, которые вы не прописывали в своём описании, ИИ создаёт их сам. Вы даёте ему намёк, а он развивает идею, привносит больше информации — иногда это хорошо, иногда плохо, поскольку изображение создаётся статистическим способом на основе миллионов существующих изображений, и результат отражает более-менее массовые вкусы. Тем не менее, это хорошая возможность наблюдать вкусы различных культурных и социальных групп.
Статистическое изображение как форма медиаискусства Midjourney, Stable Diffusion, RunwayML, Adobe Firefly, а также другие инструменты могли появиться только после того, как достаточное число изображений, произведений искусства, иллюстраций, концепт-артов, кадров из фильмов и видеоигр стали доступны в интернете. То есть появилась база, на основе которой стало возможно обучить нейросеть. То есть мы можем назвать первой стадией появление самой цифровой культуры. Кроме того, еще одной важной стадией стало развитие социальных сетей, где люди привыкли делиться своими картинками и текстами.
В этом смысле генеративные медиа — это еще один пример революционной парадигмы, которая стоит на плечах цифровой вселенной, создававшейся последние пятнадцать лет. Еще пятнадцать лет назад эти инструменты попросту не могли возникнуть, потому что в интернете не было достаточно материала для обучения нейросети. Но это еще не всё: почему я говорю, что ИИ — это не просто еще одно медиа, подходящее для создания искусства. Потому что с самого начала ИИ умел более или менее успешно имитировать сотни разных медиа, то есть это постмедиа, метамедиа, которое включает в себя все предыдущие медиа.
Мы можем имитировать различные типы съемки, ломографию, поларойд, любые разновидности рисунков, стиль такой-то иллюстрации в таком-то журнале. Мы увидим, что Midjourney может отделить стиль от содержания в произведениях указанного вами художника, а потом накладывать этот стиль на любое содержание. Из серии «Meta abstractions 004», май 2023 Изображение, созданное нейросетью Midjourney v 5. Отсюда я делаю вывод, что генерация изображений искусственным интеллектом — это форма медиаискусства, поскольку большинство пользователей используют именно эстетику медиа в качестве основного содержания: Unreal 5, трассировка лучей.
Компьютер и сам по себе является мета-средой, поскольку там можно формировать различные медиа, но теперь вам не нужно как в Фотошопе самому все отрисовывать, менять кисточки и тратить сотни часов — компьютер способен сгенерировать тысячу различных стилей и создать эффекты, которых раньше просто не существовало. Для меня же как для теоретика и историка важно, что когда появляются новые способы коммуникаций, запоминания или воспоминания, они заставляют нас по новому взглянуть на наши самые базовые концепции и понятия, поэтому мне бы хотелось посмотреть на изображения, создаваемые ИИ в контексте истории искусства. ИИ в контексте истории искусства Давайте подумаем о роли копий и оригинала в нашей культуре, и как это работает в эпоху нейросетей. Изображение создаётся ИИ посредством текстового запроса.
Вы пишете текстовое описание — и искусственный интеллект выдает вам картинку. Пользователи могут видеть, как другие люди набирают свои запросы в каналах Discord, — и таким образом учатся работать с ИИ, создавать собственные запросы и модифицировать их. И вот, например, я вижу как некий человек — я не знаю кто — печатает свой запрос. Я вижу, что это интересный запрос и хочу его скопировать.
Я могу скопировать запрос целиком и дальше менять какие-то слова, но я могу скопировать детали и собрать свой собственный запрос из таких чужих фрагментов — описаний эффектов, освещения, цвета — которые я заимствую у другого человека. Копирование всегда было сущностью человеческой культуры, но не просто копирование, а творческое преобразование копируемого материала. То же самое происходит в эволюции: она представляет собой бесконечное копирование биологического материала, куда постоянно вкрадываются различные ошибки — таким образом появляются новые виды живых существ. Мы можем вообразить себе некого художника, который занимается копированием, но в то же время создаёт нечто новое — чисто технически это можно назвать ошибкой, но мы называем это гениальностью, хотя принцип точно такой же.
Мне неоднократно говорили, что если двести раз подряд провести эту операцию, получится что-то интересное. Однако когда мне удавалось сделать что-то интересное, я сам тут же видел, что меня кто-то копирует. То есть вы постоянно копируете и изменяете собственные изображения, заимствуете у других, а они, в свою очередь, заимствуют у вас. Важно, что здесь мы имеем дело с массовой культурой — этот механизм используют миллионы людей.
Многие из этих людей используют в качестве референсов работы художников-иллюстраторов, анимационных студий, видеоигры, голливудские фильмы. В каком-то смысле здесь нет ничего нового, это очень похоже на такие ресурсы как DeviantArt и ArtStation. Уже пятнадцать лет пользователи DeviantArtделятся друг с другом изображениями, созданными по мотивам каких-то уже существующих произведений.
Чтобы справится с этой проблемой, специалисты обратились к другой бурно развивающейся области — квантовым вычислениям. Квантовые компьютеры интересны тем, что способны производить ряд математических операций существенно быстрее, чем классические компьютеры. Объединение достижений этих двух областей привело к появлению квантового машинного обучения.
Одна из ветвей подобных исследований — это создание квантовой нейросети , в которой искусственный нейрон заменен кубитом. Мы уже рассказывали, как такую нейросеть научили довольно точно предсказывать свойства молекулы водорода. Сегодня ведется активная работа по адаптации известных методов обучения нейросетей для квантовых компьютеров и симуляторов. С помощью такой квантовой нейросети российские физики решили несколько задач классификации в рамках глубокого машинного обучения с учителем. Из восьми кубитов квантового процессора, созданного в МФТИ, авторы использовали четыре.
Нейросеть «Кандинский» будет рисовать фотороботы подозреваемых в совершении преступлений
За невероятно короткий промежуток времени наша Вселенная, когда она была очень молодой и ее возраст составлял меньше секунды, быстро расширилась до огромных размеров и была на порядок больше, чем сейчас. Согласно гипотезе, Вселенная простирается куда дальше, чем могут заглянуть современные телескопы. В этих отдаленных регионах инфляция продолжается уже миллиарды лет, что наводит на мысли, что Вселенная, в которой мы живем, может быть не единственной из существующих.
Нейросеть доступна без ограничений — чтобы использовать её на сайте «Сбера», регистрация не нужна. Кроме того, она доступна на умных устройствах Sber с помощью команды «Запусти художника», в мобильном приложении «Салют», на платформах ML Space , Fusion Brain и в телеграм-боте.
Как использовать нейросеть Kandinsky 2. У платформы простой интерфейс. Чтобы сделать изображение, нужно описать то, что на нём должно быть, и нажать на кнопку «Создать». Или загрузить свою картинку, а потом написать, как её обработать.
Если задать описание изображения и менять стили, нейросеть каждый раз будет генерировать новые результаты. Чтобы скачать изображение, нужно нажать на кнопку загрузки в верхнем правом углу.
Пользователям Android нужно обновиться до версии 14. Есть обновления и в пользовательском опыте Но пока только для пользователей Android. Перепривязать платежный счёт к карте теперь можно одним движением.
Для этого используйте механику drag-and-drop — всё на одном экране. Заходить в настройки каждой карты отдельно уже не нужно. Фон счёта меняется от количества трат. Управлять картой получится быстрее. Все условия обслуживания теперь собраны на одном экране, как и настройки.
Как получить карту в новом дизайне Дизайн цифровой «СберКарты» можно обновить в приложении.
Искусственный интеллект создаст портрет в избранном образе и соответствующей художественной манере. Для этого специалисты проанализировали более ста произведений искусства. Еще материалы.
Малевича заменили нейросетью
Инициативную разработку студенты ВоГУ собираются предложить департаменту здравоохранения Вологодской области. Надеюсь, наш проект найдет отклик у специалистов, и вместе мы сможем обсудить возможности использования нейросетевого подхода и методов искусственного интеллекта в работе учреждений здравоохранения города и области, — отметил Георгий Рапаков. Похожие новости.
Есть ощущение, что через много лет у мусорных контейнеров будут колеса. Может, тогда отходы будут вовремя самовывозиться?
Только почему этот автобус везет на себе вагон? Наверно, он для тех, кто не влез в ПАЗ... Нейросеть, прекрати, что ты делаешь... Как думаете, что с северянами стало? Крылья архангела Михаила или Древарха?
И вот что получили. На лице тату нет, но зато позеленело тело... Или это доспехи?
Результатом этого обучения стало создание неповторимых картин, в которых, с одной стороны, считывается индивидуальный стиль каждого художника, с другой стороны — это совершенно новые произведения искусства, которые ранее не были представлены миру. Результат наводит на размышления и визуально ошеломляет», — сообщили Global City Москва в пресс-службе Artplay. Второй раздел выставки «Искусство 2. Нейрохудожник» — картины, созданные нейросетью в стиле киберпанк и футуризм.
Исследователи выделяют следующие особенности данной модели: генерацию персонализированного видео и свёрточный синтез во времени. Временные слои, которые были обучены в VideoLDM для превращения текста в видео, вставляются в опорные сети LDM изображений, которые заранее точно настроены в наборе изображений DreamBooth.
Временные слои обобщаются контрольными точками DreamBooth, что позволяет персонализировать преобразование текста в видео. Применяя изученные временные слои сверточно во времени, можно получить клипы чуть большей продолжительности с незначительным ухудшением качества. Модель также способна генерировать видео сцен вождения.
Специалист по ИИ Муратчаев заявил, что нейросети не лишат художников работы
- Нейросеть Сбер ruDALL-E Malevich, картинки, онлайн, картины, фотографии - 14 ноября 2021 - 29.ру
- Нейросеть показала, как выглядит мультивселенная — видео
- Нейросеть показала, как выглядит мультивселенная — видео
- Нейросеть ruDALL-E Malevich от Сбера: исключительно уникальные картинки
- История создания Малевич
В воронежском музее нейросеть создала картины известных художников
Липецк руки Айвазовского получился мрачный, несмотря на утреннюю зарю. Город больше напоминает глубинку дореволюционной России с бездорожьем, заснеженными деревьями и храмом на фоне небольших строений. Фигуры людей в купеческих одеждах растворяются в морозном тумане. При этом каждая интерпретация значительно отличается от обычного фото спального района Липецка.
На информационном ресурсе применяются рекомендательные технологии. Сетевое издание «МК в Вологде» vologda. Вологда, Советский проспект, д.
Он включает такие детали, как позиционное кодирование блоков картинки, свёрточные и координатные маски Attention-слоёв, общее представление эмбеддингов текста и картинок, взвешенные лоссы для текстов и изображений, dropout-токенизатор. Из-за огромных вычислительных требований эффективно обучать модель можно только в режиме точности fp16. Это в 5-7 раз быстрее, чем обучение в классическом fp32. Кроме того, модель с таким подходом занимает меньше места. Но ограничение точности представления чисел повлекло за собой множество сложностей для такой глубокой архитектуры: a иногда встречающиеся очень большие значения внутри сети приводят к вырождению лосса в Nan и прекращению обучения; b при малых значениях learning rate, помогающих избежать проблемы а , сеть перестает улучшаться и расходится из-за большого числа нулей в градиентах. Для решения этих проблем мы имплементировали несколько идей из работы китайского университета Цинхуа CogView , а также провели свои исследования стабильности, с помощью которых нашли ещё несколько архитектурных идей, помогающих стабилизировать обучение. Так как делать это приходилось прямо в процессе обучения модели, путь тренировки вышел долгим и тернистым. Сбор данных и их фильтрация: безусловно, когда мы говорим об архитектуре, нововведениях и других технических тонкостях, нельзя не упомянуть такой важный аспект как данные. Как известно, для обучения трансформеров их должно быть много, причем «чистых». Под «чистотой» мы понимали в первую очередь хорошие описания, которые потом нам придётся переводить на русский язык, и изображения с отношением сторон не хуже 1:2 или 2:1, чтобы при кропах не потерять содержательный контент изображений. Первым делом мы взялись за те данные, которые использовали OpenAI в статье указаны 250 млн. Ключевыми доменами стали люди, животные, знаменитости, интерьеры, достопримечательности и пейзажи, различные виды техники, деятельность людей, эмоции. После сбора и фильтрации данных от слишком коротких описаний, маленьких изображений и изображений с непригодным отношением сторон, а также изображений, слабо соответствующих описаниям мы использовали для этого англоязычную модель CLIP , перевода всех английских описаний на русский язык, был сформирован широкий спектр данных для обучения — около 120 млн.
С ростом объема данных растет время, необходимое для проведения этих операций. Чтобы справится с этой проблемой, специалисты обратились к другой бурно развивающейся области — квантовым вычислениям. Квантовые компьютеры интересны тем, что способны производить ряд математических операций существенно быстрее, чем классические компьютеры. Объединение достижений этих двух областей привело к появлению квантового машинного обучения. Одна из ветвей подобных исследований — это создание квантовой нейросети , в которой искусственный нейрон заменен кубитом. Мы уже рассказывали, как такую нейросеть научили довольно точно предсказывать свойства молекулы водорода. Сегодня ведется активная работа по адаптации известных методов обучения нейросетей для квантовых компьютеров и симуляторов. С помощью такой квантовой нейросети российские физики решили несколько задач классификации в рамках глубокого машинного обучения с учителем.