การเข้าร่วมรายเดือน
ต่อเดือนที่นั่งที่เกิดขึ้นซ้ำในเนื้อหาของฉัน ผู้สมัครเข้าคิว — หรือจับฉลากเมื่อมีผู้สมัครมากกว่าช่อง — และปรากฏในวิดีโอเอง ในเครดิต หรือในคำอธิบาย
ต่อเดือน
ราคาตามคำขอ
ถัดไป
But how do AI images and videos actually work? | Guest video by Welch Labs 38 นาที 
ASH 5 นาที 
100 Hours in Europe's Most Corrupt Country 34 นาที 
Inside Japan's Illegal Drifting Underworld - TOKYO DRIFT 25 นาที 
What If You Just Keep Digging? 11 นาที 
HEX 2 นาที 
The Wild Story of the Teton Dam Failure 20 นาที 
How We Built The ISS 37 นาที 
Inside the Secret Country Erased from Maps (what are they hiding?) 29 นาที 
The Future Mark Zuckerberg Is Trying To Build 48 นาที 
California's Water Problem 20 นาที 
Can I help Harry find his estranged mother from this childhood cemetery photo? 28 นาที 
The Awful Origins of "Sweet FA" | Fascinating Horror Shorts 1 นาที 
Distracted By The Scenery? The 1986 Grand Canyon Crash | Fascinating Horror 11 นาที 
The Best Value Gaming PC I’ve Ever Seen 12 นาที 
What is a "Body Farm"? | Fascinating Horror Shorts 1 นาที 
The Napoleonic Wars - OverSimplified (Part 1) 30 นาที 
Is this SECRET TUNNEL still a Secret?? 1 นาที 
Dating Girls In Front Of Their Dads 14 นาที 
Essential Skills for Becoming an AI Engineer: RAG, AI Agents, & More 11 นาที 
Man Builds Amazing WORKSHOP With Garden In His Backyard | Start To Finish By @machikane_base 
Name That Infrastructure (Ep. 5) #shorts 1 นาที 
How Earthquake Bearings Work 19 นาที 
Hurricane vs. Tiny Houses 23 นาที 
Every US Electrical Outlet Explained 22 นาที 
Stopping the Unstoppable 16 นาที 
The Los Angeles Aqueduct is Wild 23 นาที 
Why don’t AI companies just slow down? 2 นาที 
The Problems with China's Space Program 17 นาที 
The price of proving you’re an adult 1 นาที 
SECRET Garage Car Lift Part 1 30 นาที 
The Physics Behind the Thumb Trick 18 นาที 
The Hardest Problem AI Ever Solved, with Google DeepMind CEO 66 นาที 
Crazy Larper Scammed $1.3 Million from Victims 23 นาที 
Bankrupt - Hollywood Video 17 นาที 
4 Things We Can Learn From Explosions 12 นาที 
So You Want to Build a Tunnel... 21 นาที 
Why Are There No Short Arch Dams? 17 นาที 
Why ketamine is suddenly so popular 7 นาที 
How Apple AirPods Work 19 นาที 
Why NASA Is Racing Back To The Moon 11 นาที 
How Long Does Sperm REALLY Live? #science #scishow #STEM #hankgreen 1 นาที 
Germ Theory Is Older Than You Think 1 นาที 
Learn Colors with Vending Machine | Learn Fruits & Veggies | Nursery Rhymes | BabyBus 36 นาที 
Jumping in Muddy Puddles 🌧️ #shorts #peppapig 1 นาที 
The World's Most Ignored War Explained 33 นาที 
What is this SUPER ALLOY? 1 นาที 
There's no way you found the last one 👀 #mecchachameleon #challenge #powerarmor #hacksmith 1 นาที 
AI News: OpenAI Made a Massive Move Against NVIDIA 30 นาที 
Jensen Huang: The Mindset That Built NVIDIA 49 นาที 
Some of the STRANGEST borders I've visited 18 นาที But how do AI images and videos actually work? | Guest video by Welch Labs
2025 38 นาที
Diffusion models, CLIP, and the math of turning text into images Welch Labs Book: https://www.welchlabs.com/resources/imaginary-numbers-book Sections 0:00 - Intro 3:37 - CLIP 6:25 - Shared Embedding Space 8:16 - Diffusion Models & DDPM 11:44 - Learning Vector Fields 22:00 - DDIM 25:25 - Dall E 2 26:37 - Conditioning 30:02 - Guidance 33:39 - Negative Prompts 34:27 - Outro 35:32 - About guest videos Special Thanks to: Jonathan Ho - Jonathan is the Author of the DDPM paper and the Classifier Free Guidance Paper. https://arxiv.org/pdf/2006.11239 https://arxiv.org/pdf/2207.12598 Preetum Nakkiran - Preetum has an excellent introductory diffusion tutorial: https://arxiv.org/pdf/2406.08929 Chenyang Yuan - Many of the animations in this video were implemented using manim and Chenyang’s smalldiffusion library: https://github.com/yuanchenyang/smalldiffusion Cheyang also has a terrific tutorial and MIT course on diffusion models https://www.chenyang.co/diffusion.html https://www.practical-diffusion.org/ Other References All of Sander Dieleman’s diffusion blog posts are fantastic: https://sander.ai/ CLIP Paper: https://arxiv.org/pdf/2103.00020 DDIM Paper: https://arxiv.org/pdf/2010.02502 Score-Based Generative Modeling: https://arxiv.org/pdf/2011.13456 Wan2.1: https://github.com/Wan-Video/Wan2.1 Stable Diffusion: https://huggingface.co/stabilityai/stable-diffusion-2 Midjourney: https://www.midjourney.com/ Veo: https://deepmind.google/models/veo/ DallE 2 paper: https://cdn.openai.com/papers/dall-e-2.pdf Code for this video: https://github.com/stephencwelch/manim_videos/tree/master/_2025/sora Written by: Stephen Welch, with very helpful feedback from Grant Sanderson Produced by: Stephen Welch, Sam Baskin, and Pranav Gundu Technical Notes The noise videos in the opening have been passed through a VAE (actually, diffusion process happens in a compressed “latent” space), which acts very much like a video compressor - this is why the noise videos don’t look like pure salt and pepper. 6:15 CLIP: Although directly minimizing cosine similarity would push our vectors 180 degrees apart on a single batch, overall in practice, we need CLIP to maximize the uniformity of concepts over the hypersphere it's operating on. For this reason, we animated these vectors as orthogonal-ish. See: https://proceedings.mlr.press/v119/wang20k/wang20k.pdf Per Chenyang Yuan: at 10:15, the blurry image that results when removing random noise in DDPM is probably due to a mismatch in noise levels when calling the denoiser. When the denoiser is called on x_{t-1} during DDPM sampling, it is expected to have a certain noise level (let's call it sigma_{t-1}). If you generate x_{t-1} from x_t without adding noise, then the noise present in x_{t-1} is always smaller than sigma_{t-1}. This causes the denoiser to remove too much noise, thus pointing towards the mean of the dataset. The text conditioning input to stable diffusion is not the 512-dim text embedding vector, but the output of the layer before that, [with dimension 77x512](https://stackoverflow.com/a/79243065) For the vectors at 31:40 - Some implementations use f(x, t, cat) + alpha(f(x, t, cat) - f(x, t)), and some that do f(x, t) + alpha(f(x, t, cat) - f(x, t)), where an alpha value of 1 corresponds to no guidance. I chose the second format here to keep things simpler. At 30:30, the unconditional t=1 vector field looks a bit different from what it did at the 17:15 mark. This is the result of different models trained for different parts of the video, and likely a result of different random initializations. Premium Beat Music ID: EEDYZ3FP44YX8OWT
ทำงานกับผู้สร้างคนนี้
แพ็กเกจที่เผยแพร่โดยผู้สร้างเบื้องหลังวิดีโอนี้
ผู้สร้างคนนี้ยังไม่ได้กำหนดอัตราของตน ส่งคำขอและเราจะส่งต่อไป — ราคาจะตกลงก่อนที่จะมีการเรียกเก็บใดๆ
การวางตำแหน่งที่รับประกัน — วิดีโอใหม่
ครั้งเดียวการปรากฏตัวที่รับประกันอย่างน้อย 10 วินาทีในวิดีโอถัดไปของฉัน ราคาขึ้นอยู่กับว่าการแทรกอยู่ตรงไหนของระยะเวลา
- 1–3 นาทีแรก
- กลางวิดีโอ
- ท้ายวิดีโอ
ราคาตามคำขอ
- 1–3 นาทีแรก
- กลางวิดีโอ
- ท้ายวิดีโอ
การวางตำแหน่งที่รับประกัน — Short
ครั้งเดียวการปรากฏตัวที่รับประกันอย่างน้อย 10 วินาทีใน Short ที่ตัดจากวิดีโอที่มีอยู่ของฉัน
ครั้งเดียว
ราคาตามคำขอ