Forwarded from Просто о BIM
#AI Предыдущий пост собрал уже больше 50 🔥 , т.ч. в этот четверг 20.02 в 19:00 (мск) мы с Артуром проведем онлайн-тестирование данного инструмента. Ну т.е. он меня научит им пользоваться и заодно тех кто придет. Ссылку на подключение скину в данный канал @prostobim
Telegram
Просто о BIM
#AI Начнем неделю с прикладного применения ИИ в концептуальной архитектуре.
Мой хороший друг и автор тг канала про нейронки Артур Ишмаев записал видео 👆 с примером применения инструмента krea.ai в работе архитектора.
Если пост соберет 50 огоньков 🔥 , то…
Мой хороший друг и автор тг канала про нейронки Артур Ишмаев записал видео 👆 с примером применения инструмента krea.ai в работе архитектора.
Если пост соберет 50 огоньков 🔥 , то…
🔥3👍1
Forwarded from Наука, Техника и нейровайб
This media is not supported in your browser
VIEW IN TELEGRAM
Наглядная модель тессеракта в научном музее в Швейцарии.
Не показывайте Локи
Не показывайте Локи
⚡5❤1
This media is not supported in your browser
VIEW IN TELEGRAM
#пытаюсьпонять
Генераторы видео и 3D-геометрии
Очень интересно становится, когда пытаешься понять, каким таким образом современные нейронные сети генерируют столь реалистичные видео. Причём всё чаще поведение объектов на них выглядит очень реалистично и физически правдоподобно.
Относительно генераторов видео выделил для себя 2 подхода:
1.Генерация кадра на основе предыдущего. Тут достаточно просто: генератор учится экстраполировать кадры, при этом контекстом являются соседние кадры при обучении. Наверняка из-за этого мы можем наблюдать, как какие-то объекты внезапно растворяются в пространстве. И это не все проблемы такого подхода.
2.Генерация 3D-объёма и извлечение кадров. Этот подход намного интереснее. Если любое поведение объекта на видео представить в виде объёма (3D-представление сцены) и учить нейросеть генерировать такие объёмы, а затем просто извлекать кадры, то, как показала практика, результат становится намного лучше. Изменение любого объекта становится лишь "3д формой", длина которой равно ее временному циклу на видеоролике.
А если к этому объёму добавить ещё одно измерение? То можно таким образом зашифровывать разные варианты событий и в результате получать не просто один вариант видео, а целые альтернативные сценарии, которыми можно было бы управлять числовыми слайдерами.
Но в данном случае непонятно, откуда брать исходные данные для обучения таких генераторов. Возможно и тут помогут разные игровые движки и симуляции на них.
А почему такого же результата пока не удаётся добиться при генерации 3D-геометрии?
Генераторы видео и 3D-геометрии
Очень интересно становится, когда пытаешься понять, каким таким образом современные нейронные сети генерируют столь реалистичные видео. Причём всё чаще поведение объектов на них выглядит очень реалистично и физически правдоподобно.
Относительно генераторов видео выделил для себя 2 подхода:
1.Генерация кадра на основе предыдущего. Тут достаточно просто: генератор учится экстраполировать кадры, при этом контекстом являются соседние кадры при обучении. Наверняка из-за этого мы можем наблюдать, как какие-то объекты внезапно растворяются в пространстве. И это не все проблемы такого подхода.
2.Генерация 3D-объёма и извлечение кадров. Этот подход намного интереснее. Если любое поведение объекта на видео представить в виде объёма (3D-представление сцены) и учить нейросеть генерировать такие объёмы, а затем просто извлекать кадры, то, как показала практика, результат становится намного лучше. Изменение любого объекта становится лишь "3д формой", длина которой равно ее временному циклу на видеоролике.
А если к этому объёму добавить ещё одно измерение? То можно таким образом зашифровывать разные варианты событий и в результате получать не просто один вариант видео, а целые альтернативные сценарии, которыми можно было бы управлять числовыми слайдерами.
Но в данном случае непонятно, откуда брать исходные данные для обучения таких генераторов. Возможно и тут помогут разные игровые движки и симуляции на них.
А почему такого же результата пока не удаётся добиться при генерации 3D-геометрии?
👍3🤔2🤓1
Forwarded from Наука, Техника и нейровайб
Самый умный ИИ в мире стал бесплатным на время . Grok 3 превзошел DeepSeek и ChatGPT, и сейчас его может юзать любой желающий. Однако Илон Маск сказал, что халява не продлится вечно — пробуйте, пока можете.
Погнали грокать!
Погнали грокать!
🔥3😁1
Forwarded from Просто о BIM
#Вебинар Демонстрация работы ИИ для архитекторов krea.ai с Артуром Ишмаевым https://yangx.top/prostobim/1404
сегодня 20.02 (чт) в 19:30 (мск) ссылка на подключение: https://us06web.zoom.us/j/87918864549?pwd=qeWumwIlFgkVGlFNPg1bYm94PMFUYc.1
Чуть сместили на 19:30, чтобы точно успели все участники.
сегодня 20.02 (чт) в 19:30 (мск) ссылка на подключение: https://us06web.zoom.us/j/87918864549?pwd=qeWumwIlFgkVGlFNPg1bYm94PMFUYc.1
Чуть сместили на 19:30, чтобы точно успели все участники.
Telegram
Просто о BIM
#AI Начнем неделю с прикладного применения ИИ в концептуальной архитектуре.
Мой хороший друг и автор тг канала про нейронки Артур Ишмаев записал видео 👆 с примером применения инструмента krea.ai в работе архитектора.
Если пост соберет 50 огоньков 🔥 , то…
Мой хороший друг и автор тг канала про нейронки Артур Ишмаев записал видео 👆 с примером применения инструмента krea.ai в работе архитектора.
Если пост соберет 50 огоньков 🔥 , то…
5👍3⚡2
Forwarded from Art Hiteca
Unreal Engine 5 + KreaAI
https://youtu.be/U4AaIKTeAGY?si=Naxt96xOKtQNw96k
https://youtu.be/U4AaIKTeAGY?si=Naxt96xOKtQNw96k
YouTube
Unreal Engine 5 + KreaAI
#arthiteca #ue5niagara
Experiments with KreaAI for ai render
_______________________________________
Based on project Niagara Kinetic Sculptures
https://www.fab.com/ru/listings/399f868e-afc6-445d-9fd1-5fdeae597115
https://www.patreon.com/posts/niagara-kinetic…
Experiments with KreaAI for ai render
_______________________________________
Based on project Niagara Kinetic Sculptures
https://www.fab.com/ru/listings/399f868e-afc6-445d-9fd1-5fdeae597115
https://www.patreon.com/posts/niagara-kinetic…
⚡2🤯1
#эксперименты
Самый первый тест Grok 3 Beta
Запрос: "Создай svg с изображением 9 этажного дома"
Ответ: 9 этажей и даже парапет и вход🤯
Самый первый тест Grok 3 Beta
Запрос: "Создай svg с изображением 9 этажного дома"
Ответ: 9 этажей и даже парапет и вход🤯
👍3⚡2😁1🥱1
#эксперименты
А это уже результат 5-минутного диалога с Grok3 beta.
Первоначальный запрос:
"Напиши SVG с планировкой 2-комнатной квартиры: спальня с лоджией, гостиная, совмещённая с кухней, совмещённый санузел (туалет и ванная), а у входа добавь гардеробную. Подпиши комнаты."
А это уже результат 5-минутного диалога с Grok3 beta.
Первоначальный запрос:
"Напиши SVG с планировкой 2-комнатной квартиры: спальня с лоджией, гостиная, совмещённая с кухней, совмещённый санузел (туалет и ванная), а у входа добавь гардеробную. Подпиши комнаты."
5👍6👀2⚡1💩1
This media is not supported in your browser
VIEW IN TELEGRAM
#эксперименты
Проектируем план 2 комнатной квартиры с ChatGPT
Часть 1
Первоначальный запрос:
"Напиши SVG с планировкой 2-комнатной квартиры: спальня с лоджией, гостиная, совмещённая с кухней, совмещённый санузел (туалет и ванная), а у входа добавь гардеробную. Подпиши комнаты."
Проектируем план 2 комнатной квартиры с ChatGPT
Часть 1
Первоначальный запрос:
"Напиши SVG с планировкой 2-комнатной квартиры: спальня с лоджией, гостиная, совмещённая с кухней, совмещённый санузел (туалет и ванная), а у входа добавь гардеробную. Подпиши комнаты."
👍2⚡1
This media is not supported in your browser
VIEW IN TELEGRAM
#эксперименты
Проектируем план 2 комнатной квартиры с ChatGPT
Часть 2
Первоначальный запрос:
"Напиши SVG с планировкой 2-комнатной квартиры: спальня с лоджией, гостиная, совмещённая с кухней, совмещённый санузел (туалет и ванная), а у входа добавь гардеробную. Подпиши комнаты."
Проектируем план 2 комнатной квартиры с ChatGPT
Часть 2
Первоначальный запрос:
"Напиши SVG с планировкой 2-комнатной квартиры: спальня с лоджией, гостиная, совмещённая с кухней, совмещённый санузел (туалет и ванная), а у входа добавь гардеробную. Подпиши комнаты."
👍4⚡1💩1
This media is not supported in your browser
VIEW IN TELEGRAM
Text2BIM: Создание моделей зданий с использованием многоагентной среды на основе LLM
⚡2👍1
GSDiff
Новая генеративная модель для проектирования векторных планов с помощью генерации структурных графов. Генерация фокусируется на стыке стен и прогнозировании сегментов стен для захвата как геометрических, так и семантических аспектов структурных графов.
Новая генеративная модель для проектирования векторных планов с помощью генерации структурных графов. Генерация фокусируется на стыке стен и прогнозировании сегментов стен для захвата как геометрических, так и семантических аспектов структурных графов.
⚡5👍1
This media is not supported in your browser
VIEW IN TELEGRAM
Автоматизация поиска искусственной жизни с помощью фундаментальных моделей
Примеры симуляций, обнаруженных алгоритмом "Автоматизированный поиск искусственной жизни" ASAL
https://sakana.ai/asal/
Примеры симуляций, обнаруженных алгоритмом "Автоматизированный поиск искусственной жизни" ASAL
https://sakana.ai/asal/
⚡3👍1