Покритикуйте мазню

Было бы не так заметно, что рисовал бот, если бы в центре в воде, не было бы отражения елочек (и прочих деталек из той же оперы). Верхняя часть картинки ничего, нижняя слишком откровенно «ботовая».

Ты случайно не в гугле работаешь?)

Верхняя часть картинки ничего, нижняя слишком откровенно «ботовая».

Надо будет под 16:9 обрезать низ, как раз можно будет ещё чуть-чуть повысить детализацию хороших кусков.

Ты случайно не в гугле работаешь?)

Не, я работаю сисадмином за еду и C программером на удалёнке, какой уж там гугл.

нейросеть

Это же имитация жизни.
Ну разве может бездушная машина нарисовать сисястых 2d тёток с жирком и ареолами?

Не знаю, такой задачи не было. Пока мне достаточно разного рода красивых пейзажей.

Вот этот сейчас в процессе просчёта.

Ну не знаю... вон ботов рисовать учишь, мало ли.

В Омске, к сожалению, сложно найти работу по обучению ботов рисованию :)

пичалько:(

Такие мозги пропадают.

О, точно, нужно каких-нибудь поней туда накидать :)))

И фотографии фарша.

Типичная для замкадья ситуация, а Омск это вообще интеллектуальная белая дыра, удивлён, что ТСа оттуда до сих пор не выкинуло в более пригодное для жизни место.

Аватарки с лора с изображением тян!

Действительно мазня.

Ага, у неё с этим проблемы, ибо для этого нужно понимание концепции отражения

Понимание чего у «неё» сейчас есть?

удивлён, что ТСа оттуда до сих пор не выкинуло в более пригодное для жизни место.

ничего удивительного. пагубное влияние мамаши и не таких в крендель скручивало

Понимание чего у «неё» сейчас есть?

Чем более локален и статичен объект, тем проще он формализуется свёрточной сетью. На примитивном уровне у неё есть понимание линий, выпуклых-вогнутых объектов и нескольких видов объектов, на которые тренируется. Скажем, она предпочитает рисовать волны на воде, а не на небе, хотя они приблизительно одного цвета.

Скажем, она предпочитает рисовать волны на воде, а не на небе

Чем они для неё отличаются?

И вообще понятие перспективы есть?

Если поставить 2 камеры на колёса с двигателем, сможет проехать мимо препятствий в указанную пальцем точку?

Отличаются окрестностью, набором линий, выпуклостей-вогнутостей, светотени вокруг. Понятие перспективы могло бы быть при обучении на других объёмах входных данных, при обучении на четырёх фотках для неё мир плоский. Для «проехать в указанную точку» эффективнее использовать две сети: одна определяет точку по указанию пальца, а вторая едет к точке.

одна определяет точку по указанию пальца, а вторая едет к точке.

У вас есть варианты, как это воплотить?

Ехать к точке можно обычным Q Learning, так много что учили уже в робототехнике. С указанием пальца это нужно экспериментировать, с ходу не скажу.

Q Learning

Нет. Я имею ввиду полноценное стереозрение в риалтайме (например 20 кадров в секунду).

Если вдруг что-то непонятное выскочит - объехать это.

А пальцем показать можно и точку на GPS навигаторе.

Обучение с подкреплением никак не отменяет стереозрения, просто, чтобы уменьшить объём данных, можно предварительно обработать входной поток. Скажем, построение карты глубины по картинкам с двух камер было бы весьма кстати. А дальше учим нашего робота минимально передвигаться (ездить, ходить, whatever), и пусть он пытается добежать до заранее заданной точки, а оценивать его успех будем по фактическому расстоянию до точки.

Скажем, построение карты глубины по картинкам с двух камер было бы весьма кстати

вот мне интересен как вы реализуете этот процесс?

Здесь обычная свёрточная сеть. На вход две картинки, на выход карту глубины. Остаётся только собрать данные. Берём какой-нибудь MS Kinect с хардовой картой глубины (на ИК-сетке оно работает, вроде) и камерами, заполняем БД. Даже если в исходных данных не сильно большое расстояние и точность, из них можно получить пригодную для обучения базу.

На самом деле для карты глубины для начала можно вообще не использовать нейросети. Да, будет менее точно, но уж расстояние до стены можно посчитать и классическими методами, если известно расстояние между камерами.

Берём какой-нибудь MS Kinect

Можно не продолжать.

Тоесть по сути ничего не работает. Кинект, он на солнце (на улице) не работает если что. Это игрушка для домашнего использования.

Продавать коллажи от нейросети в принципе можно...

Кинект, он на солнце (на улице) не работает если что. Это игрушка для домашнего использования.

Я не предлагал его юзать в продакшене, я предлагал им базу наполнять для обучения.

я предлагал им базу наполнять для обучения.

Киннект вообще не смотрит - он просто лазером «прожигает» дальность - тут нечему обучать.

Просто обычный дальномер.

Он отдаёт карту глубины, это всё, что мне интересно. Фиолетово, куда он там смотрит.

Фиолетово, куда он там смотрит.

Просто кинект для реальной автомобильной навигации беспомощен например.

А чему ты будешь на основе его обучать?

Рисовать волны в небе (но не часто) :)

Чаще лес в космосе ;)

Ты вообще слушаешь, что тебе говорят? Ладно, забей.

Я спрашивал как на нейронных сетях с двух изображений получить перспективу.

А ты мне про какой-то кинект.

Я ответил, как. Получить карту глубины другим способом (можно даже полностью на синтетике), первично обучить сеть на ней, а затем уточнять на новых (реальных) данных. Недавно даже работа на эту тему пролетала, когда учили классификатор на изображениях из GTA 5. Можете по тому же принципу пойти.

(можно даже полностью на синтетике), первично обучить сеть на ней

Оно (твоя сеть) сама стереоизображения не может научиться?

Без долбаных монокинектов?

У тебя хоть есть этот кинект?

Теоретически и сама может. Практически я предпочитаю учить разные модули отдельно, чтобы контролировать качество их работы.

Теоретически и сама может.

Очень расплывчато.

Тут суть моих вопросов, понимаешь ты как работают те теории, что ты применяешь или нет?

Вот скажи. В твоей системе есть рандомное наполнение начальных весов для связей?

И что считается за вес например для картинок?

Тут суть моих вопросов, понимаешь ты как работают те теории, что ты применяешь или нет?

А, ну тогда пока. Мне эти игрушки неинтересны.

главный вопрос был: Вот скажи. В твоей системе есть рандомное наполнение начальных весов для связей?

Да, я задаю исходные веса случайно. С этим есть какая-то проблема?

Да, я задаю исходные веса случайно. С этим есть какая-то проблема?

Это просто теория персептронов.

Чего я и ожидал.

Вообще есть другие теории.

И на практике работают быстрее (чем человеческие мозги например).

Компы по скорости перебора данных давно переросли человеческие мозги.

А мужики-то и не знали. Слушай, мож тебе в гугл податься, чего они своими глупыми GAN занимаются, собак рисуют из всякой ерунды, когда «есть другие теории»? Давно бы уже обошли человеческий мозг, поработили людишек да на Марс слетали. Все сети с реалистичным построением нейрона дальше лабораторий никогда не вылезали, и там и останутся ещё долгое время.

Что, всё ищешь, с кем бы что-нибудь поразрабатывать, но только так, чтобы работу делал другой, а ты только высказывал гениальные идеи и хвастался?

Круто тебе засрали мозг...

а ты только высказывал гениальные идеи и хвастался?

Ничего подобного.

Людей ищу, да.

А делаю пока что всё сам.

Да, реально получается и работает.

Завидно?

Завидно?

Чему?

Тебе виднее

Это не рисунок. Рисунок рисуют, а фотографию получают за счёт оптических эффектов.

для героев нейросетей.

Ну например в современной видеокарте можно насчитать 12 гигабайт памяти.

при этом у этой видеокарты не менее 3000 процессоров которые работают не менее чем на гигагерце.

Да я специально под свои разработки изучал Open CL

По моим вариациям, например та штука, что я разработал для распознавания очепяток, а некто там засветился, будет отрабатывать раз в миллион быстрее чем в одном потоке на той однопоточной проге, что была предоставлена.

Спасибо, я в курсе. А я просто установил cutorch и не развлекался с очередным переписыванием BLAS, в моей жизни и так слишком много велосипедов. По-моему, Вы просто сами не вполне понимаете тему, зато гонору дофига.

ничего не понял...

Я с более известным Stahl предоставили интеллектуальный пруф Хвалюсь: система нечеткого поиска. по распознаванию «очепяток».

Что не так?

Систему эту я в глаза не видел, не знаю, что вы там со Stahl использовали, но я стараюсь следить за всеми современными наработками в Deep Learning, регулярно штрудирую arxiv, и потому мне очень интересно, что там у вас за пердовые разработки, работающие значительно быстрее. Да, я тоже использую GPU, когда это возможно, ну и что? Необязательно для этого заново писать модули на opencl, достаточно иметь GPU-accelerated операции над матрицами. Все так делают, в один поток считают только либо для удобства отладки, либо для алгоритмов, которые не параллелятся.

Да, я тоже использую GPU, когда это возможно, ну и что?

Вот именно! И что?

Мои наработки полезные и эффективные.

А что делают ваши?

А мои решают поставленные мной задачи. Если Вам не нравятся мои задачи, я в этом не виноват. Может быть, у Вас в жизни всё крутится вокруг денег? Дак у меня денег вполне достаточно, я могу себе позволить заниматься тем, что лично мне интересно.