Fotos de Ai
Detalles del conjunto Pelo : VCO – Song 002Nariz : Samia – Fi Lelutka Evox WHITELipstick : Nuve.- Bubblegum Lipgloss 7 – Evo Xpink Outfit : [TNK] parte de “GAKKO” gacha – KAWAII #23 RARE + #15 chokerArmas : [TNK] – MAELSTROM MK-7 , 50%OFF IN MAINSTOREBook : [TNK] – NECRONOMICON ,old gift from Warehouse EventHalo : #187# – Madone Halo
Me encanta la tecnología pero sobre todo la tecnología vintage. Disparo cámaras vintage y también disfruto de las radios vintage. Esta semana se anunció el tema del reto fotográfico “Tecnología” y decidí darle un giro vintage. Este es el interior de mi radio Packard Bell de 1935. www.sollows.ca
Fotografiado para el Gran Proyecto del grupo Utata: UtataScapes. Esta es una de mis contribuciones a la categoría MindScapes. Como con todo mi trabajo, la crítica constructiva es bienvenida, y los favores son apreciados.
La desintoxicación digital tiene mucho sentido, pero el momento no debe ser decidido por la tecnología, sino por tu propia voluntad. Mi tarjeta gráfica vio las cosas de otra manera y su “desaparición” me hizo tomar un descanso forzado de SL durante más de una semana. Pero ahora tanto la tarjeta gráfica como yo hemos vuelto. Que tengáis una maravillosa semana nueva – ¡sin tecnología en huelga!
Fotos digitales gratuitas
Las fotos de Chloe y Jasper Papa cuando eran niños son las típicas fotos tontas: sonriendo con sus padres, sacando la lengua, disfrazados para Halloween. Su madre, Dominique Allman Papa, las subió a Flickr después de unirse al sitio para compartir fotos en 2005.
Ninguno de ellos podía prever que, 14 años más tarde, esas imágenes pasarían a formar parte de una enorme base de datos de reconocimiento facial sin precedentes llamada MegaFace. Contiene las imágenes de casi 700.000 personas y ha sido descargada por docenas de empresas para entrenar una nueva generación de algoritmos de identificación facial, utilizados para rastrear a los manifestantes, vigilar a los terroristas, detectar a los jugadores problemáticos y espiar al público en general.
“Es asqueroso e incómodo”, dice Mx. Papa, que ahora tiene 19 años y va a la universidad en Oregón. “Me hubiera gustado que me preguntaran antes si quería formar parte de ello. Creo que la inteligencia artificial es genial y quiero que sea más inteligente, pero en general se pide a la gente que participe en la investigación. Eso lo aprendí en la biología del instituto”.
Papel pintado tecnológico
La tecnología es una fuerza fascinante en nuestro mundo actual. Afecta a casi todos los aspectos de nuestras vidas y se extiende a casi todos los rincones del planeta. La tecnología tiene el poder de mantenernos conectados, pero también de aislarnos. Nos mantiene en movimiento, pero puede dejarnos inmóviles (¿con Netflix?).
Como fotógrafos, somos muy conscientes de cómo la tecnología nos ayuda a preservar momentos y recuerdos; de cómo impulsa tanto la innovación como la creatividad. En nuestra última Photo Quest, “La tecnología hoy”, te pedimos que captaras y compartieras el papel que desempeña la tecnología en tu vida, y has superado el reto con creces.
Todavía hay mucho tiempo para enviar tus fotos de la tecnología de hoy: este concurso fotográfico termina el 1 de abril. Un afortunado ganador se llevará una magnífica mochila fotográfica Mindshift UltraLight™ Dual 25L, así que ¡salga a fotografiar!
Imágenes técnicas gratuitas
Al igual que muchas funciones recientes de la fotografía computacional, como el Modo Retrato y la Realidad Aumentada (RA), las fotos cinemáticas requieren un mapa de profundidad para proporcionar información sobre la estructura 3D de una escena. Las técnicas típicas para calcular la profundidad en un smartphone se basan en la estereoscopía multivista, un método geométrico para resolver la profundidad de los objetos en una escena mediante la captura simultánea de múltiples fotos en diferentes puntos de vista, donde se conocen las distancias entre las cámaras. En los teléfonos Pixel, las vistas provienen de dos cámaras o sensores de doble píxel.
Para habilitar las fotos cinemáticas en las fotos existentes que no fueron tomadas en estéreo multivista, entrenamos una red neuronal convolucional con arquitectura codificadora-decodificadora para predecir un mapa de profundidad a partir de una sola imagen RGB. Utilizando sólo una vista, el modelo aprendió a estimar la profundidad utilizando pistas monoculares, como los tamaños relativos de los objetos, la perspectiva lineal, el desenfoque, etc.
Dado que los conjuntos de datos de estimación monocular de la profundidad suelen estar diseñados para dominios como la RA, la robótica y la conducción autónoma, tienden a enfatizar las escenas de la calle o las escenas de habitaciones interiores en lugar de características más comunes en la fotografía casual, como personas, mascotas y objetos, que tienen una composición y un encuadre diferentes. Así pues, creamos nuestro propio conjunto de datos para entrenar el modelo de profundidad monocular utilizando fotos capturadas con un equipo personalizado de 5 cámaras, así como otro conjunto de datos de fotos de retratos capturadas con el Pixel 4. Ambos conjuntos de datos incluían la profundidad real de las imágenes estereoscópicas multivista, que es fundamental para entrenar un modelo.