Нейросети не знают, как все устроено. Но они учатся видеть, слышать, понимать и творить и становятся лучше день ото дня. Особенно впечатляет прогресс ИИ в генерации изображений - в наши дни уже не всегда удается сходу отличить реальное фото от снегерированной картинки. Сейчас этим активно пользуются не только в быту, но и в профессиональных сферах…
Photonity AI
@photonity
с 18.02.2026
Твоя личная ИИ-фотостудия 📲
2 подписчика
0 подписок
В прошлой статье мы познакомились с вариационным автоэнкодером (VAE) и увидели, как он решает проблему «дырявого» латентного пространства обычного автоэнкодера. Вместо того чтобы кодировать картинку в одну точку, VAE кодирует её в распределение, что делает пространство более гладким и позволяет генерировать новые, никогда не виденные нейросетью дан…
Часть 2. Вариационный автоэнкодер.
В прошлой статье мы познакомились с автоэнкодером — простой архитектурой, которая учится сжимать данные в компактное представление (латент) и восстанавливать их обратно. Мы посмотрели, как автоэнкодер работает на примере датасета MNIST и цифры «7», а также выяснили его главный недостаток: в латентном пространстве разные объекты оказываются отдельны…
В прошлой статье мы познакомились с автоэнкодером — простой архитектурой, которая учится сжимать данные в компактное представление (латент) и восстанавливать их обратно. Мы посмотрели, как автоэнкодер работает на примере датасета MNIST и цифры «7», а также выяснили его главный недостаток: в латентном пространстве разные объекты оказываются отдельны…
Привет, я Тимофей из Photonity AI. Мы занимаемся разработкой телеграм-бота, который позволит использовать все новинки нейросетевых генераций фото и видео в одном месте.
В этой серии статей я разберу шаг за шагом то, что происходит под капотом нейросетевой технологии создания фото и видео. И первая статья будет посвящена автоэнкодеру.