ИИ

😈 Разбор задачки про Маленького принца и нейросети На прошлой неделе я предложил вам на день стать юристом по авторскому праву. Задача была простая: маркетинг хочет картинки "Маленького принца" в современном стиле (аниме, астероид) для футболок, худи, стикеров, рекламы и мероприятия во Франции. Варианты были разные - от "оригинал уже в общественном достоянии, нейросеть никому не принадлежит" до полного запрета. Короткий ответ Правильный подход ближе к четвертому варианту, но с важными уточнениями. 👉 на 11 сентября 2026 года "Маленький принц" и оригинальные иллюстрации Сент-Экзюпери еще не полностью перешли в общественное достояние. Статус сильно зависит от страны. Именно во Франции охрана еще действует. Произведение (текст + оригинальные иллюстрации автора) остается под защитой примерно до 1 мая 2033 года. Причина - специальные французские правила: - базовый срок на момент смерти (1944) был 50 лет post mortem; - +30 лет за статус «Mort pour la France» (Экзюпери был лётчик и погиб в бою во время войны) - + около 8 лет «военных» продлений. Европейская гармонизация до 70 лет не сократила уже приобретенный более длинный срок. Французские суды это подтверждают. Плюс наследники активно используют товарные знаки на персонажей, название и образы. Эти права живут отдельно и могут действовать очень долго. Остальной мир В большинстве стран Европы и мира с 70-летним сроком произведение уже в public domain с 1 января 2015 года. А вот в США на сколько я понимаю в общественное достояние оно перейдет только к концу 2038 / началу 2039. Что это значит для нашей задачки 1. Идея и стиль Сама идея "маленький принц на астероиде" не охраняется. Но узнаваемые элементы оригинальных иллюстраций Сент-Экзюпери - охраняются (особенно во Франции). 2. Нейросеть Даже если картинка сгенерирована, она может оказаться производным произведением / переработкой, если в ней сохраняются существенные охраняемые черты оригинала. А ещё остается вопрос, на каких данных модель обучалась. 3. Коммерческое использование Если товар или реклама могут попасть во Францию (или на маркетплейсы с международной аудиторией) - риск реальный. Наследники довольно активно защищают бренд. Как вам такой разбор? Заходит формат "вы - юрист на один день" или лучше классические посты? 😂

Накопилось по #minimaxH3 - часть 21 и можно полдня о нем не писать civitai.com/models/2920872/minimax-h3-fun-control-in-comfyui-or-depth-and-pose-video - вф Fun #ControlNet - depth и pose github.com/ukr8b3g-cmyk/ComfyUI-H3-Continuum - сэмплер для длинных роликов github.com/lj350201364/MiniMaxH3_Single_Dancer_Prompt_Skill - #skill : промпт танца по рефу #prompting huggingface.co/geocine/minimax-video-prompt-enhancer-2.6b-gguf - #GGUF 2.6B для рерайта промптов, в Jan.ai huggingface.co/HardGravy2/Minimax_H3_FLF_HardGravy_6_Step_Turbo_Merge - новый 6-шаговый турбо-мерж + #realism #LoRA сверху fal.ai/models/minimax/h3-max/multi-angle/image-to-video - #i2v с "точным контролем движения камеры" на fal.ai Спасибо @Endorpheen civitai.red/models/2881362/minimax-seed-hunter-workflow-latent-upscaler-seamless-video-continuation-speedups - #workflow : латентный #upscale , бесшовное продолжение видео, ускорение - многократно рекомендован @DracoLockhard

Marigold V2 Оценка глубины по одному изображению, переработанная версия Marigold Превращает DiT в инструмент оценки глубины. Выглядит многообещающе - Глубина в один шаг: дистилляция из многошаговой flow-matching модели, с квантованием опционально - Решает проблему размытия: шерсть, листья, тонкие края — то, что раньше размазывалось, теперь резкое - Обобщается на непохожие данные - Не только глубина: те же приемы дают #SOTA на оценке нормалей и разложении изображения на компоненты - Два ключевых приtма: выравнивание внутренних представлений с семантикой + двухстадийный финтюн с Sinkhorn-лоссом Гитхаб HF Демо #image2depth #image2normals #image2pbr

🧩 Метод Наиболее примечательны архитектурные изменения, позволяющие выжимать максимум из ёмкости модели при минимальных накладных расходах на активные вычисления и KV-кэш. Каузальный энкодер-декодер Вместо привычной декодерной архитектуры используют энкодер-декодер а-ля трансформер из статьи Vaswani и T5. Однако мотивация за этим — экономить активные параметры на префилле, а также уменьшить размер KV-кэша. На префилле работает только энкодер, а декодер активизируется на генерации. Размеры энкодера и декодера примерно одинаковы. Декодер переиспользует кэш из энкодера, спроектированный через обучаемые линейные проекции, тем самым освобождаясь от необходимости держать собственный KV-кэш. В отличие от BERT и тому подобных архитектур, энкодер каузальный — внимание направлено только в прошлое, что делает его совместимым с авторегрессионной генерацией. Compressed Sparse Attention 2 В DeepSeek-V4 чередовались HCA (Heavily Compressed Attention) и CSA (Compressed Sparse Attention): одно сильно сжимало токены и делало полный аттеншен, а другое сжимало не так сильно и делало спарсный. Теперь аттеншен только один. ⚙️ Устроено оно так: поддерживается SWA (внимание со скользящим окном), которое внимает на последние токены, и иерархический sparse attention, который отбирает важные токены по всей последовательности с помощью обучаемой подсети, а потом компонуется со SWA. TopK считается на основе query/key-индексеров. Существуют три режима слоя: - 🔵 Full mode. Слой считает полный KV-кэш и сам определяет, какие токены ему нужны в спарсном attention. Самый гибкий, но дорогой случай. - 🟡 Reindex mode. Используем KV-кэш с другого слоя, но считаем свой TopK, используя специфичные для данного слоя query. - 🟢 Reuse mode. Переиспользуем как KV-кэш, так и TopK-индексы. В энкодере на 1 Full Mode приходится 5 Reuse. В декодере — только Reuse и Reindex. Reuse к Reindex — в отношении 3:1. Потому кэш нужно хранить по факту лишь в небольшой доле слоёв. Иерархический attention в данном слое оценивает все токены по важности, а также непрерывные блоки некоторой длины для оценки перспективных кандидатов будущими слоями. Full mode-слой отбирает перспективные блоки, а последующие Reindex mode-слои ищут TopK уже среди этого сильно порезанного пула кандидатов. Single-pass mHC Дабы немного повысить эффективность mHC, матрицу смешивания входов для текущего блока считают в прошлом блоке. Это позволяет лучше перекрывать передачу с вычислениями и почти не теряет в качестве. Engram 🧠 Дабы обогатить представления признаков условной памятью, накатывают Engram с 2-, 3- и 4-граммами. Наивно накатывать их выйдет слишком накладно — ни в какую память не влезет. Потому нужный эмбед достаётся через хэширование. Дабы уменьшить риск коллизий, используют восемь независимых хэш-таблиц. Размер каждой из них — примерно 16M токенов, но берут разные простые числа, чтобы головы были более независимы. В Engram-таблице 198B параметров, распределённых между двумя слоями. Такой распил таблицы нужен для эффективного pipeline parallelism, чтобы не было перекоса в конкретную часть модели. На выходы модуля энграмм навешивается гейт, который решает, надо ли и с какой силой добавлять информацию от Engram-эмбеддингов в данный токен. Хранится всё в FP8. DSpark Отдельные MTP-головы не учат, а вместо этого поверх предобученной модели тренируют драфтер. DSpark-драфт-модель обновляется в процессе посттрейна и используется для ускорения генерации роллаутов на RL. FP4 Cache 💾 Чтобы сэкономить на хранении KV-кэша, его квантизуют в FP4. За основу берут NVFP4, но без global scale. Вместо этого данные нормализуют так, чтобы они укладывались в целевой диапазон. Оптимизация Учат в основном через Muon. Для голов attention используется headwise Muon, который отдельно оптимизирует головы, потому что так лучше. Учить Engram через Adam накладно по памяти. Поэтому вместо этого предлагают Синкхорн-сбалансированные обновления параметров с моментом. Это позволяет не хранить тяжеловесные статистики Адама для Engram и вроде сходится хорошо.

#Нейропрожарка Aelion — Character Teaser Автор: SnJake (@SnJakeAI) Сделал минутную анимацию со своим персонажем Aelion в MiniMax H3. По сути получился небольшой тизер персонажа. В этот раз решил не ограничиваться одной генерацией, а собрать всё более-менее полноценным пайплайном — с референсами, голосом, музыкой, монтажом и апскейлом. Сначала подготовил референсы. Основной арт Aelion по пояс сгенерил в Krea 2 со своей LoRA на стиль Arknights: Endfield. Затем через Nano Banana 2 и GPT Image 2 сделал ещё несколько изображений: extreme close-up лица, персонажа в полный рост спереди и сзади на белом фоне, а также отдельный арт артефакта — куба. В итоге при генерации видео использовал четыре референса. С голосом тоже получилось интересно. До этого, когда просто тестировал MiniMax H3, я сгенерил видео, где Aelion говорил. Из него вытащил аудиодорожку и через Mel-Band RoFormer отделил голос от остальных звуков. Получился чистый семпл голоса, который мне понравился, и теперь его можно использовать как референс в следующих генерациях. По моим наблюдениям, H3 вообще очень хорошо копирует голос. Отдельный инструмент для липсинка не использовал — синхронизацию губ H3 генерировал сам вместе с видео и аудио. Дальше подключил Gemini 3.1 Pro. Дал ему информацию о персонаже, все подготовленные референсы, аудио и инструкцию по написанию промптов для H3. Объяснил, что хочу собрать примерно минутный тизер, после чего он написал серию промптов для Ref2VA и расписал, какие референсы использовать в каждом фрагменте. Не всё получилось с первого раза: в нескольких генерациях персонаж почему-то начинал говорить то, чего вообще не было в промпте, поэтому часть сцен пришлось переделывать. Всего в итоговый ролик вошло 10 отдельных фрагментов. Большинство генерировал примерно по 8 секунд в разрешении 1 МП. С оптимизациями ModelAttentionBackend (Kitchen Attention) + Patch Sol-Attn + Spectrum Apply MiniMax H3 один такой фрагмент занимал около 6–7 минут на RTX 4070 Ti SUPER с 16 GB VRAM и 32 GB RAM. Более короткие сцены генерились быстрее. Для фона отдельно сделал музыку в бесплатной Suno 4.5. После этого отправился в DaVinci Resolve: склеил все сцены, немного смонтировал, подправил переходы и сделал лёгкую цветокоррекцию. Сам монтаж занял примерно 30–40 минут. На финальном этапе решил дополнительно проапскейлить ролик через RTX Video Super Resolution в ComfyUI — и тут допустил ошибку, отправив туда сразу готовое минутное видео. Естественно, получил OOM 😏 Поэтому разбил готовый ролик обратно на отдельные фрагменты через FFmpeg, проапскейлил каждый отдельно и затем снова сшил всё вместе. Сам апскейл занял примерно ещё 5 минут. Точное общее время работы я не засекал. Только генерация десяти основных фрагментов заняла примерно час с небольшим, плюс были неудачные дубли, подготовка референсов, промптов, работа со звуком, монтаж и апскейл. По расходам: прямые затраты именно на этот ролик были практически нулевыми. Для генерации части дополнительных референсов использовал сервис с подпиской за $20 в месяц, но подписка уже была оплачена и покупалась не специально для этого проекта. Gemini 3.1 Pro использовал бесплатно через Google AI Studio, музыку сделал в бесплатной версии Suno 4.5. MiniMax H3, обработка звука и апскейл работали локально. В итоге получился полноценный минутный тизер Aelion. Для первого такого эксперимента с MiniMax H3 результатом я очень доволен — особенно учитывая, что практически весь ролик собран из отдельных нейрогенераций. @cgevent

Теперь официально: погнали пить кофе в Лондоне. 23 сентября выступаю на конференции Applied Machine Learning for Cyber Security Conference в Лондоне, Olympic Park с докладом «Does a model know when a jailbreak is working?» TLDR на вопрос доклада: возможно, да, но у нас есть много свободных переменных, из-за которых мы не можем надежного отличить "знание" от случайного результата без предварительных приседаний и проверок. Вдруг кто-то будет мимо-проходить, заходите. В любом случае потом поделюсь впечатлением — для меня это что-то новое =) Вообще говоря, AMLUCS — сильная британская конфа на стыке ML и кибербезопасности, с прикладным уклоном. Например, в оргкомитете есть Джон (John Sotiropoulos) из OWASP GenAI Security Project (авторы OWASP Top 10 for LLM Applications, я туда даже ручку прикладывала). В докладах буду принимать участие исследователи из NCSC, Dstl, Alan Turing Institute, AI Red Team в Microsoft, AWS и профильных security-стартапов. И я — как лид HiveTrace — мы тоже сильный профильный стартап 🗿 P.S., да, это к тому, что мне дали визу, и ждун дождался. Я рада и вместе с этим волнуюсь — у меня на конфе и talk, и постер, а я давно не выступала очно (кажется, с зимы). И в целом — формат, форма и сообщество (кибербез) новый. Такие дела!