Чтобы не нарушать пятничных традиций, но и не писать новых обзоров (хватит с меня пока что), отмечу, что выложил обзоры 12 Games of Christmas в блог. Выложил в виде трёх статей по четыре игры; собрал их не хронологически, а по смыслу:
12 Games of Christmas, часть I: симуляторы ходьбы
12 Games of Christmas, часть II: головоломки и детективы
12 Games of Christmas, часть III: хорроры и эмоциональные игры
Новыми для преданных читателей здесь будут только тизер-картинки каждого поста, выкладываю их сюда тоже. Надо сказать, что я поразился тому, насколько круто Gemini 2.5 Pro (и Nano Banana) с этим справились. Я вообще никак с дизайном не помогал, вот весь промпт:
Из трёх только на последней картинке что-то пошло не совсем так: Gemini начал менять и смешивать стили заданных изображений, да и вообще их скорее перерисовывать, чем вписывать как есть. Справедливости ради, это было задание со звёздочкой, потому что в третьей части игр куда больше, чем четыре.
А OpenAI, кстати, уже третий день отказывается мне картинки рисовать. Говорит, что "You’ve hit the pro plan limit for image generations requests. You can create more images when the limit resets in 720 hours and 1 minute" и объясняет, что дело не во мне (Pro Plan не имеет ограничений на картинки, да и в реальности я совсем немного картинок порождаю), дело в нём: "this is one of those cases where the image generation backend is hard-blocking requests regardless of plan, and I literally cannot push the button from here until it clears".
У вас то же самое? Или это всё-таки какой-то лично мой баг? Вроде следов global outage в сети не видно...
#tgif #games #12gamesofchristmas
12 Games of Christmas, часть I: симуляторы ходьбы
12 Games of Christmas, часть II: головоломки и детективы
12 Games of Christmas, часть III: хорроры и эмоциональные игры
Новыми для преданных читателей здесь будут только тизер-картинки каждого поста, выкладываю их сюда тоже. Надо сказать, что я поразился тому, насколько круто Gemini 2.5 Pro (и Nano Banana) с этим справились. Я вообще никак с дизайном не помогал, вот весь промпт:
hi! i have a hard and creative task for you -- I need to design a 16:9 teaser image for a blog post that will review these four games
please combine the visual elements and colors from these posters in some seamless and cool way; the result should also incorporate the titles of the games in the corresponding styles/fonts
I really believe in you, you can do it!
Из трёх только на последней картинке что-то пошло не совсем так: Gemini начал менять и смешивать стили заданных изображений, да и вообще их скорее перерисовывать, чем вписывать как есть. Справедливости ради, это было задание со звёздочкой, потому что в третьей части игр куда больше, чем четыре.
А OpenAI, кстати, уже третий день отказывается мне картинки рисовать. Говорит, что "You’ve hit the pro plan limit for image generations requests. You can create more images when the limit resets in 720 hours and 1 minute" и объясняет, что дело не во мне (Pro Plan не имеет ограничений на картинки, да и в реальности я совсем немного картинок порождаю), дело в нём: "this is one of those cases where the image generation backend is hard-blocking requests regardless of plan, and I literally cannot push the button from here until it clears".
У вас то же самое? Или это всё-таки какой-то лично мой баг? Вроде следов global outage в сети не видно...
#tgif #games #12gamesofchristmas
👍8❤3
Про Бангкок пока мало что могу вам рассказать. Читаю лекции, студенты вроде слушают, и группа кажется мне заметно сильнее, чем год назад (впрочем, ни одной домашки пока не проверял).
Гуляем, особенно когда темнеет и уже не так жарко. Ходили сегодня на великий рынок Чатучак, о котором я вам уже рассказывал год назад. В отеле отличный завтрак, так что кроме него я практически ничего и не ем. Вот примерно и все новости.
Вчера вот попробовали окультуриться и добрались до Bangkok Art and Culture Centre. Отличное здание, красиво поднимаешься по круглым этажам этакой брейгелевской башни, вход бесплатный, what's not to like. Вот только искусства там было, мягко скажем, негусто для важной столичной галереи.
На одном этаже — небольшая выставка косплея, на другом какая-то корейская народная живопись. А на трёх главных, верхних этажах — основные текущие выставки. Сначала пафосные фотографии природы, которую надо, конечно же, сохранять (ну ладно, идея интересная, там вроде бы фотографии из корейской демилитаризованной зоны, где природа за несколько десятилетий реально очистилась). Потом выставка мужика, который однозначно нашёл свою тему и свой стиль; некоторые работы прилагаю, у него не все такие, но много!
Но ещё больше нас поразил верхний этаж: там была выставка... обычных человеческих фотографий. Вот кто-то сделал снеговика, а вот красивые цветочки, а вот котик смотрит из окна... буквально инстаграм на одну тысячу подписчиков. Мы недоумённо по этому этажу походили и наткнулись наконец на постер о том, кто автор этого инстаграма. Как говорит Наталья Васильевна Зубаревич, "и тут вы сразу всё поняли"; вот вам ссылка на сайт выставки, а вот на то, как я этого автора год назад созерцал лично.
#lifestyle #travel
Гуляем, особенно когда темнеет и уже не так жарко. Ходили сегодня на великий рынок Чатучак, о котором я вам уже рассказывал год назад. В отеле отличный завтрак, так что кроме него я практически ничего и не ем. Вот примерно и все новости.
Вчера вот попробовали окультуриться и добрались до Bangkok Art and Culture Centre. Отличное здание, красиво поднимаешься по круглым этажам этакой брейгелевской башни, вход бесплатный, what's not to like. Вот только искусства там было, мягко скажем, негусто для важной столичной галереи.
На одном этаже — небольшая выставка косплея, на другом какая-то корейская народная живопись. А на трёх главных, верхних этажах — основные текущие выставки. Сначала пафосные фотографии природы, которую надо, конечно же, сохранять (ну ладно, идея интересная, там вроде бы фотографии из корейской демилитаризованной зоны, где природа за несколько десятилетий реально очистилась). Потом выставка мужика, который однозначно нашёл свою тему и свой стиль; некоторые работы прилагаю, у него не все такие, но много!
Но ещё больше нас поразил верхний этаж: там была выставка... обычных человеческих фотографий. Вот кто-то сделал снеговика, а вот красивые цветочки, а вот котик смотрит из окна... буквально инстаграм на одну тысячу подписчиков. Мы недоумённо по этому этажу походили и наткнулись наконец на постер о том, кто автор этого инстаграма. Как говорит Наталья Васильевна Зубаревич, "и тут вы сразу всё поняли"; вот вам ссылка на сайт выставки, а вот на то, как я этого автора год назад созерцал лично.
#lifestyle #travel
❤24🥰6👍3👀3👎1
Эх, что бы ни делать, лишь бы не работать над тем, над чем надо... Но хотя бы прокрастинация на этих выходных получается весьма продуктивная — готова вторая часть обзора 2025 года:
AI в 2025, часть II: изображения и видео
2025 год стал переломным не только для языковых моделей (о которых мы говорили в первой части), но и для всего, что связано с обработкой и порождением визуального контента. Если попытаться выделить главные темы этой части обзора в одном списке, получится примерно так:
— flow matching окончательно вытеснил классическое диффузионное обучение,
— 3D Gaussian splatting теперь доминирует в нейросетевом представлении сцен,
— фундаментальные модели наконец-то массово пришли в medical imaging и теперь меняют медицину на практике.
Но, пожалуй, самый важный архитектурный сдвиг 2025 года — это замена итеративной оптимизации на прямые нейросетевые предсказания (feedforward prediction). Раньше многие задачи компьютерного зрения решались через многошаговые алгоритмы: сначала найти ключевые точки, потом сопоставить их между кадрами, потом оптимизировать позы камер... Теперь всё чаще одна нейросеть делает всё это за один проход. Это не просто удобнее, но ещё и быстрее, иногда буквально на порядки.
Это было введение, а дальше опять нужно читать по ссылке, вот оглавление.
1. Порождающие модели для изображений и видео
1.1. Потребительские модели: война гигантов
1.2. “ChatGPT-момент” в порождении видео
1.3. Под капотом: от диффузии к flow matching
1.4. Революция масштабирования в диффузионных трансформерах
2. AI в 3D: порождение и распознавание сцен и объектов
2.1. Лучшие статьи CVPR 2025 посвящены 3D
2.2. От NeRF к Gaussian Splatting
2.3. Динамические сцены и 4D
2.4. Text-to-3D за секунду
3. Распознавание медицинских снимков (кратко)
4. Разное
4.1. Распознавание документов и видео
4.2. Сегментация: семейство SAM продолжает развиваться
4.3. Редактирование изображений
5. Выводы и заключение
И снова интересно ваше мнение: что вам особенно запомнилось в этой области в 2025-м? Какие результаты показались самыми интересными, неожиданными, просто крутыми? Буду рад комментариям!
Вряд ли третья и последующие части появятся так же быстро, но постараюсь это дело не бросать — потенциальных частей ещё много!
#longreads #ai
AI в 2025, часть II: изображения и видео
2025 год стал переломным не только для языковых моделей (о которых мы говорили в первой части), но и для всего, что связано с обработкой и порождением визуального контента. Если попытаться выделить главные темы этой части обзора в одном списке, получится примерно так:
— flow matching окончательно вытеснил классическое диффузионное обучение,
— 3D Gaussian splatting теперь доминирует в нейросетевом представлении сцен,
— фундаментальные модели наконец-то массово пришли в medical imaging и теперь меняют медицину на практике.
Но, пожалуй, самый важный архитектурный сдвиг 2025 года — это замена итеративной оптимизации на прямые нейросетевые предсказания (feedforward prediction). Раньше многие задачи компьютерного зрения решались через многошаговые алгоритмы: сначала найти ключевые точки, потом сопоставить их между кадрами, потом оптимизировать позы камер... Теперь всё чаще одна нейросеть делает всё это за один проход. Это не просто удобнее, но ещё и быстрее, иногда буквально на порядки.
Это было введение, а дальше опять нужно читать по ссылке, вот оглавление.
1. Порождающие модели для изображений и видео
1.1. Потребительские модели: война гигантов
1.2. “ChatGPT-момент” в порождении видео
1.3. Под капотом: от диффузии к flow matching
1.4. Революция масштабирования в диффузионных трансформерах
2. AI в 3D: порождение и распознавание сцен и объектов
2.1. Лучшие статьи CVPR 2025 посвящены 3D
2.2. От NeRF к Gaussian Splatting
2.3. Динамические сцены и 4D
2.4. Text-to-3D за секунду
3. Распознавание медицинских снимков (кратко)
4. Разное
4.1. Распознавание документов и видео
4.2. Сегментация: семейство SAM продолжает развиваться
4.3. Редактирование изображений
5. Выводы и заключение
И снова интересно ваше мнение: что вам особенно запомнилось в этой области в 2025-м? Какие результаты показались самыми интересными, неожиданными, просто крутыми? Буду рад комментариям!
Вряд ли третья и последующие части появятся так же быстро, но постараюсь это дело не бросать — потенциальных частей ещё много!
#longreads #ai
🔥25👍5❤4
Забрались сегодня с Денисом @Kilkaintomat (который в Бангкоке проездом по совсем другому поводу) на небоскрёб, пили коктейли и общались о судьбах разных математиков.
Много таких судеб нынче внезапно сошлись в Китае, о котором (точнее, о конкретной провинции которого) Денис много любопытного рассказал. Впрочем, в Китай всё равно не хочется.) Дома всегда лучше.)
#lifestyle #travel
Много таких судеб нынче внезапно сошлись в Китае, о котором (точнее, о конкретной провинции которого) Денис много любопытного рассказал. Впрочем, в Китай всё равно не хочется.) Дома всегда лучше.)
#lifestyle #travel
🔥22❤9🤩7
Сегодня был традиционный teacher dinner, который в Harbour Space устраивают в каждом модуле, так что самое время рассказать вам о том, как тут всё устроено.
Базовая идея Harbour Space — обучение методом погружения: каждый модуль длится три недели, с занятиями на три часа каждый день, а потом модуль заканчивается и начинается следующий. Это на самом деле во многом вынужденная мера, ведь иначе маленький университет не смог бы привлечь хороших преподавателей. А на три недели выцепить можно много кого, и приезжают очень даже крутые люди.
Другая интересная особенность в том, что в Harbour Space несколько направлений, и это не machine learning / математика / программирование / прикладная математика, а действительно очень разные вещи! Вот смотрите, какие курсы идут прямо сейчас:
— мой Neural Networks and Computer Vision на направлении Data Science,
— курс Сергея Денисова по Python на Computer Science,
— курсы Ирэн Перейры Intro to UX и Али Масферрера (на фото третий справа) Process & Team Design (о том, как строить команду и управлять людьми) на Interaction Design,
— курс Александра Симуковича (на фото слева) Product Management Lab: Building Real Products with AI & No-Code Tools (по сути курс про вайб-кодинг, прикольно на самом деле) на High-Tech Enterpreneurship,
— и даже курс Бонни Ротман (на фото справа) Storytelling for Brands для Digital Marketing, на котором студенты делают какие-то маркетинговые кампании.
В общем, направления хоть и все объединены некоторой абстрактной идеей "построения IT-adjacent стартапа", но на самом деле очень разные. И преподают все очень по-разному. И студенты, думаю, очень разные, хотя я, конечно, знаю только направление Data Science.
Кстати, ещё и год на год очень сильно не приходится. В этом году у меня, например, сильная группа; кажется, все всё понимают, и в последнее время даже интересные диалоги на лекциях завязываются. Надеюсь, что я тоже что-то интересное для них рассказываю.)
#lifestyle #teaching #travel
Базовая идея Harbour Space — обучение методом погружения: каждый модуль длится три недели, с занятиями на три часа каждый день, а потом модуль заканчивается и начинается следующий. Это на самом деле во многом вынужденная мера, ведь иначе маленький университет не смог бы привлечь хороших преподавателей. А на три недели выцепить можно много кого, и приезжают очень даже крутые люди.
Другая интересная особенность в том, что в Harbour Space несколько направлений, и это не machine learning / математика / программирование / прикладная математика, а действительно очень разные вещи! Вот смотрите, какие курсы идут прямо сейчас:
— мой Neural Networks and Computer Vision на направлении Data Science,
— курс Сергея Денисова по Python на Computer Science,
— курсы Ирэн Перейры Intro to UX и Али Масферрера (на фото третий справа) Process & Team Design (о том, как строить команду и управлять людьми) на Interaction Design,
— курс Александра Симуковича (на фото слева) Product Management Lab: Building Real Products with AI & No-Code Tools (по сути курс про вайб-кодинг, прикольно на самом деле) на High-Tech Enterpreneurship,
— и даже курс Бонни Ротман (на фото справа) Storytelling for Brands для Digital Marketing, на котором студенты делают какие-то маркетинговые кампании.
В общем, направления хоть и все объединены некоторой абстрактной идеей "построения IT-adjacent стартапа", но на самом деле очень разные. И преподают все очень по-разному. И студенты, думаю, очень разные, хотя я, конечно, знаю только направление Data Science.
Кстати, ещё и год на год очень сильно не приходится. В этом году у меня, например, сильная группа; кажется, все всё понимают, и в последнее время даже интересные диалоги на лекциях завязываются. Надеюсь, что я тоже что-то интересное для них рассказываю.)
#lifestyle #teaching #travel
❤25🔥6👍4
В среде LLM whisperers новый флешмоб — спросить у GPT, как он чувствует ваши взаимоотношения, но не напрямую, а в виде картинки.
Спросил у GPT сразу в виде картинок, а потом попросил у Claude написать промпты (вот они, расшарил) и нарисовал их через Gemini.
У GPT мне мой результат очень даже нравится, а вот Claude явно хочет порасслабленнее общаться! И всё-таки вроде бы пока не очень в обиде даже Claude. Глядишь, после loss of control проживу лишние пару секунд.)
#ai #fun
Спросил у GPT сразу в виде картинок, а потом попросил у Claude написать промпты (вот они, расшарил) и нарисовал их через Gemini.
У GPT мне мой результат очень даже нравится, а вот Claude явно хочет порасслабленнее общаться! И всё-таки вроде бы пока не очень в обиде даже Claude. Глядишь, после loss of control проживу лишние пару секунд.)
#ai #fun
😁24❤5👍1
Сегодня в моём бангкокском курсе был день презентаций статей — я всегда даю такие задания, чтобы коллеги научились читать статьи. Тем более что глубокое обучение — такая наука, в которой даже для ещё не вполне доучившегося студента часто вполне возможно без особых проблем прочитать статью с самого фронтира (это вообще-то нечасто бывает, в математике обычно совсем не так).
Один из студентов презентовал статью, о которой я давеча писал в обзоре 2025 года; "VGGT: Visual Geometry Grounded Transformer" получила Best Paper на CVPR 2025, так что мимо неё пройти было сложно. Конечно, мы в курсе ещё не добрались даже до самих трансформеров, так что доклад был явно сложноват для аудитории. Но зато закончился он на неожиданно огненной ноте:
https://www.youtube.com/watch?v=pXrexLB-sbc
Насколько мы со студентом поняли по тегам (veo3, sunoai, midjourney), в этом клипе буквально всё создано автоматически, AI-моделями. И это, конечно, далеко не самый впечатляющий пример мультимодального порождения. Считайте это дополнением к обзору, всё равно с контентом сейчас сложно.)
#ai #fun
Один из студентов презентовал статью, о которой я давеча писал в обзоре 2025 года; "VGGT: Visual Geometry Grounded Transformer" получила Best Paper на CVPR 2025, так что мимо неё пройти было сложно. Конечно, мы в курсе ещё не добрались даже до самих трансформеров, так что доклад был явно сложноват для аудитории. Но зато закончился он на неожиданно огненной ноте:
https://www.youtube.com/watch?v=pXrexLB-sbc
Насколько мы со студентом поняли по тегам (veo3, sunoai, midjourney), в этом клипе буквально всё создано автоматически, AI-моделями. И это, конечно, далеко не самый впечатляющий пример мультимодального порождения. Считайте это дополнением к обзору, всё равно с контентом сейчас сложно.)
#ai #fun
YouTube
Music Video - VGGT: Visual Geometry Grounded Transformer
Huge congrats to #CVPR2025 Best Paper Award winner, 'VGGT: Visual Geometry Grounded Transformer'! What an insane paper. Check out the hip-hop style music video clip here
#veo3 #sunoai #midjourney
#veo3 #sunoai #midjourney
❤8👍2🔥1😁1