![политика,политические новости, шутки и мемы,Екатерина Мизулина,мизулина,команда навального Команда Навального нашла у Екатерины Мизулиной одежду и украшения на Р27 млн f 202 I У0 978 I Ж Команда оппозиционного политика Алексея Навального проанализировала гардероб главы Лиги Безопасного интернета Екатерины Мизулиной и пришла к выводу, что стоимость «люксовой одежды и ювелирных](http://img0.reactor.cc/pics/post/%D0%BF%D0%BE%D0%BB%D0%B8%D1%82%D0%B8%D0%BA%D0%B0-%D0%95%D0%BA%D0%B0%D1%82%D0%B5%D1%80%D0%B8%D0%BD%D0%B0-%D0%9C%D0%B8%D0%B7%D1%83%D0%BB%D0%B8%D0%BD%D0%B0-%D0%BC%D0%B8%D0%B7%D1%83%D0%BB%D0%B8%D0%BD%D0%B0-%D0%BA%D0%BE%D0%BC%D0%B0%D0%BD%D0%B4%D0%B0-%D0%BD%D0%B0%D0%B2%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE-7167194.jpeg)
![политика,политические новости, шутки и мемы,Екатерина Мизулина,мизулина,команда навального Так, в ролике команды Навального говорится, что у Екатерины Мизулиной есть кеды марки Christian Dior (около 63 тыс. рублей), несколько пар туфель брендов Gianvito Rossi, Christian Louboutin, Alexander McQueen и Manolo Blahnik (в общей сложности около 850 тыс. рублей), тренч Burberry (225 тыс.](http://img1.reactor.cc/pics/post/%D0%BF%D0%BE%D0%BB%D0%B8%D1%82%D0%B8%D0%BA%D0%B0-%D0%95%D0%BA%D0%B0%D1%82%D0%B5%D1%80%D0%B8%D0%BD%D0%B0-%D0%9C%D0%B8%D0%B7%D1%83%D0%BB%D0%B8%D0%BD%D0%B0-%D0%BC%D0%B8%D0%B7%D1%83%D0%BB%D0%B8%D0%BD%D0%B0-%D0%BA%D0%BE%D0%BC%D0%B0%D0%BD%D0%B4%D0%B0-%D0%BD%D0%B0%D0%B2%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE-7167195.jpeg)
Попытки найти эти «уроки» в соцсети - успехом не увенчались. Видимо, они доступны только Екатерине Мизулиной, главе Лиги безопасного интернета.
Хорошо хоть гардероб Мизулиной-младшей за 30 млн рублей не нарушает «национальное законодательство»..
Новая технология для создания дипфейков CihaNet
Китайская исследовательская группа и исследователи из США в сфере технологий искусственного интеллекта разработали новую технологию для создания дипфейков CihaNet. Предположительно, разработка может превзойти все предыдущие подходы.
Новый метод может выполнять смену лиц без необходимости исчерпывающего сбора и курирования больших выделенных наборов данных и обучения их в течение недели только для одной личности. Новые разработанные модели обучались на двух популярных наборах данных о знаменитостях на одном графическом процессоре NVIDIA Tesla P40 в течение примерно трех дней.
Новый подход устраняет необходимость грубо внедрять образ человека в целевое видео, что часто приводит к характерным артефактам. Так называемые hallucination maps («карты галлюцинаций») используются для более глубокого смешивания визуальных аспектов, потому что система отделяет идентичность от контекста гораздо эффективнее, чем существующие методы. Самое известное в настоящее время программное обеспечение для дипфейков DeepFaceLab и конкурирующий форк FaceSwap выполняют сложные и часто вручную настраиваемые рабочие процессы для определения того, в какую сторону наклонено лицо, какие препятствия находятся на пути, и пр. В отличие от данных технологий, CihaNet не требует обращения лиц прямо в камеру для извлечения и использования полезной идентификационной информации.
Новая архитектура напрямую использует «контекстную» информацию для самого процесса преобразования посредством двухэтапной операции каскадной адаптивной нормализации экземпляра (C-AdaIN), которая обеспечивает согласованность контекста (то есть кожи лица и окклюзий) ID-соответствующие области.
Исследователи обучили четыре модели на двух очень популярных и разнообразных наборах данных открытых изображений ( CelebA-HQ и NVIDIA Flickr-Faces-HQ Dataset ), каждый из которых содержит 30 тыс. и 70 тыс. изображений соответственно.
Затем эксперты отрендерили серию случайных обменов между тысячами личностей, представленных в наборах данных, независимо от того, были ли лица похожими или даже совпадающими по полу, и сравнили результаты CihaNet с результатами четырех ведущих фреймворков дипфейка: FaceSwap , FaceShifter , FSGAN и SimSwap .
По словам исследователей, новая модель превзошла всех конкурентов. При оценке результатов использовались три показателя: структурное сходство, ошибка оценки позы и точность извлечения идентификатора, которая вычисляется на основе процента успешно извлеченных пар.