Начните делать задачки на питоне на codewars или hackerrank. Для начальных ступеней вашей квалификации достаточно. Когда(если) втянитесь, там уже определяйте сферу ваших дальнейших интересов, и соответствующий целовой язык+фрейворки.
В Q1 играл уже после Q2 и вообще не зацепило. В клубе, q2 + Мод chaos в 1997 для меня стал просто полетом на Марс. Насчет мультяшной графики Q2 это некоторое враньё, так игра смотрится только с 3д ускорителем (не знаю деталей, но там клубок проблем), в режиме рендеринга на CPU игра выглядит как эталон визуального стиля, собственно так и играло большинство. Как раз Q3 меня выбесил своим диснейленд-стилем, играл в него только за компанию.
> Помимо новой графики в Quake II неожиданно появился сюжет
Разве в первой не было сингла?
Wow! Creator of ColTran here. Your work is fantastic!
Can I ask some questions?
1. Your explanation helped me finally get my head around the reasons for the different results and examples in the documentation. But how should variations be managed? I did not notice in the README or in the code any such thing.
2. Is there much importance of data augmentation (tone, contrast, brightness, noise) during training?
Присоединяюсь, вручную когда корректировал погрешности специальной заливкой, заметил, что лишь небольшая часть вариантов ложиться на чб не выпирая левыми тонами.
Скорее всего можно создать точную модель, которая бы ограничивала поле вариантов для нейросети.
1. Мне кажется, что разница между разными способами перехода к ч.б. сильно ниже вариаций по другим причинам. Если бы алгоритм был предназначен для ювелирной работы с изображениями от одного постоянного источника, об этом можно было задумываться. Я не запаривался, простой grayscale по яркости. Вот влияние контраста очень сильное, это прямо проблема.
Для архитектуры типа Deoldify очень важно использовать широкий спектр искажений.
Для Vision Transformer, честно, не знаю, но интуитивно подозреваю, что это не даёт сильного улучшения. При обучении на распределенных TPU вряд ли бы они экономили.
В то время очень любили красить фильмы, потому что цветное кино больше денег собирало. В зависимости от бюджета красили или кадры одним тоном, или детали. В «Большом ограблении поезда» Эдиссона множество раскрашенных деталей, платья, взрывы.
Этот фильм в оригинале тоже раскрашен был. Так что искренняя любовь к чб это более поздений тренд, а тогда всем хотелось и звука и цвета.
На отреставрированные фильмы часто накладывают искусственное зерно плёнки, по сути случайный шум. Эту операцию применяют позже прочих, поэтому два одинаковых кадра не будут равны при попиксельном сравнении. Приходится применять анализ похожести изображений вместо побитового сравнения. Если картинка темная и не содержит множества движущихся объектов, анализ похожести перестаёт достоверно различать разное и одинаковое.
Благодарю за развёрнутое мнение, спорить не с чем. Технология молодая, всё интересное впереди. Раньше ничего подобного просто быть не могло, устойчивое выделение точных границ небльших объектов это супердостижение, которое трудно оценить широкой публике, на этом фундаменте построить качественное раскрашивание дело времени, не передать какими дикими темпами развивается алгоритмическая обработка изображений.
С раскрашиванием лиц не соглашусь, это как раз самая сильная сторона автоматического оцветнения. Нейросеть легко запоминает реалистичную структуру человеческой кожи, человек не сможет даже близко так раскрасить. Приведенные в статье примеры не являются показательными. Качество раскрашивания сильно зависит от исходного материала, если ч/б соответствует современным понятиям хорошей съёмки то и цветная версия смотрится замечательно.
Если вам интересно, то посмотрите вот эту работу, там встречаются сюжеты с людьми, которые легко выдать за изначально цветные.
Водяной знак такой, расстаскивают без обратных ссылок, иногда выдавая за свою работу. Пришлось придумывать что-то, чтобы не ставить огромный текст в центре. Если смотреть покадрово, буквы складываются в название канала.
> Помимо новой графики в Quake II неожиданно появился сюжет
Разве в первой не было сингла?
Can I ask some questions?
1. Your explanation helped me finally get my head around the reasons for the different results and examples in the documentation. But how should variations be managed? I did not notice in the README or in the code any such thing.
2. Is there much importance of data augmentation (tone, contrast, brightness, noise) during training?
Скорее всего можно создать точную модель, которая бы ограничивала поле вариантов для нейросети.
2. White paper: обучали на ImageNet.
В коде препроцессинга заметил только random_crop.
Для архитектуры типа Deoldify очень важно использовать широкий спектр искажений.
Для Vision Transformer, честно, не знаю, но интуитивно подозреваю, что это не даёт сильного улучшения. При обучении на распределенных TPU вряд ли бы они экономили.
При обучении таких систем качество оценивается отдельной нейросетью. Ради статьи поднимать такое как-то слишком сложно.
Похоже на программируемый луноход с МК. хабрапост про него Здесь он вроде уже в состоянии хлама
Этот фильм в оригинале тоже раскрашен был. Так что искренняя любовь к чб это более поздений тренд, а тогда всем хотелось и звука и цвета.
С раскрашиванием лиц не соглашусь, это как раз самая сильная сторона автоматического оцветнения. Нейросеть легко запоминает реалистичную структуру человеческой кожи, человек не сможет даже близко так раскрасить. Приведенные в статье примеры не являются показательными. Качество раскрашивания сильно зависит от исходного материала, если ч/б соответствует современным понятиям хорошей съёмки то и цветная версия смотрится замечательно.
Если вам интересно, то посмотрите вот эту работу, там встречаются сюжеты с людьми, которые легко выдать за изначально цветные.
www.youtube.com/watch?v=GGYOQup_7pc&t=1761s