Channel
@image_processing_pk
On this record: Growth · Engagement · What this channel posts · Posts · Citations · Cite this entry
159subscribers
-2 since we began measuring on 6 August 2026
Risers and fallers across the register · movement among entries of Under 1,000.
| Telegram ID | -1001313037105 |
|---|---|
| Type | Channel |
| Username | @image_processing_pk |
| Created | 28 December 2019 — measured — cross-checked against a third-party dataset (TGDataset) |
| First recorded | 8 August 2026 |
| Last confirmed live | 13 August 2026 |
| Measurements held | 4 |
| Confirmed unchanged | 1 time, most recently 13 August 2026 |
| On Telegram | t.me/image_processing_pk |
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 13 Aug 2026, 06:25 | 159 | -3 |
| 8 Aug 2026, 16:46 | 162 | no change |
| 6 Aug 2026, 18:30 | 162 | +1 |
| 6 Aug 2026, 15:09 | 161 | first reading |
20 posts held, back to 22 January 2020 — the reader has not yet reached the start of this channel’s public history, so older posts may sit further back, unread. Read across 1 pageof Telegram’s post history, 20 posts per page.
Nothing published in the last 30 days. ERR and ER are rolling 30-day measures, so there is nothing to compute — we hold 20 posts for this entry, the most recent from 25 February 2020. An engagement rate over an empty window would be a number about nothing.
Measured directly from 2 videos with a duration reading, out of the posts we hold for this channel — not this channel’s whole posting history, only the sample this register has actually read. An exact reading to the second, taken from the post itself rather than from Telegram’s own rounded chrome, so it carries no ≈ mark.
Annotate.online — это платформа для автоматизации процесса разметки данных. Разметка данных для обучения моделей является ресурсоемких процессом. Это особенно актуально для задач компьютерного зрения. SuperAnnotate разработали инструмент, который облегчает ручную разметку данных для задачи сегментации объектов на изображении. Annotate.online доступен бесплатно исследователям.
https://thealphacentauri.net/48603-luchshie-astrofoto-2019/
Вычислительная фотография дала нам вот такие классные снимки: тут и преобразования в видимые диапазоны, и сопоставление кадров на долгой экспозиции и тд. Интересные задачи для создания информативных 2д изображений подкидывают проекты разнесенных на огромные расстояния радиотелескопов или например микроволновых телескопов. Для того чтобы анализировать синхронные данные с нескольких таких телескопов к данным приписыва…
Браузерный симулятор геометрической оптики https://ricktu288.github.io/ray-optics/
Модель для семантической интерполяции кадров до 60 FPS: использует контекст в виде карт глубин, что позволяет делать хорший паралакс. https://www.youtube.com/watch?v=B1Dk_9k6l08
Photo, posted without a caption
🔎 Как работает автофокус? На примере микроскопа. Для того, чтобы определить в какой момент нам стоит прекратить изменять расстояние от образца до объектива, нам нужно придумать метрику сфокусированности изображения. Интуитивно мы понимаем, что самая сфокусированная фотография - та на которой больше контраста, больше четких линий, больше высоких частот. То есть нам нужно понять на каком изображении больше контрастн…
Video, posted without a caption
Про субъективность оценки качества фотографий https://www.youtube.com/watch?v=Rh18DV5IGIA
Какая красивая штука. Пока не нашел информацию как конкретно сделали.
🎻 Пара ресурсов по Classical Computer Vision (не ML) Многие задачи мы можем решать, не подходя к ним статистически, а подходя к ним эвристически. Такой подход к решению CV задач предшествовал бурному развитию ML и DL, и обычно не включает в себя этапы обучения модели. Так же, в курсы типа “Введение в компьютерное зрение” входят такие критические понятия как: ⁃ Фурье анализ ⁃ Модели представления цветов ⁃ Физика…
📔Обзор журнала Computer Vision News - Январь 2020 https://www.rsipvision.com/ComputerVisionNews-2020January/ 🔦 Стр. 4. Статья топящая за PyTorch. По мнению автора эволюция прошла так: TensorFlow -> Keras -> PyTorch (как самый крутой) Показывается пример решения задачи стилизации изображения, где подгружается предтренированная VGG нейронка. Демонстрируется как просто на PyTorch делегировать какие-то вычисления GPU. …
Showing the 12 most recent of 20 posts we hold for @image_processing_pk. View and reaction counts are the latest single reading for each post, not a live figure, and a recent post is still accumulating both. A view count marked ≈ was rounded by Telegram before we ever saw it — t.me prints views in full below 1,000 and to three significant figures above, so ≈1,200,000 means somewhere between 1,150,000 and 1,249,999. Unmarked counts are exact. Text is reproduced from the public post preview and truncated for length.
Republishes
Channels on the register whose posts this channel has forwarded.
Built only from forwarded posts we have actually read, on both sides. Coverage is early and deliberately incomplete: a missing link means we have not read the post that would prove it, never that the relationship does not exist. Counts are distinct forwarded posts observed, so they only ever go up as we read more.
A live page changes as we take new readings, so a citation should name the measurement it is based on, not just the URL. The line below cites the subscriber count as measured 13 August 2026 — this entry's latest reading, not the date you are reading this.
“Image processing” (@image_processing_pk), 159 subscribers as measured 13 August 2026. Telegram Register, tgregister.com/channel/image_processing_pk.
Full measurement history, CC BY 4.0. Every reading this register holds for this entry, not just the latest one, as a dated, downloadable record: CSV · JSON. Free to use with attribution to tgregister.com. Each file carries its own generation timestamp, which is the figure to cite for exactly when the data was retrieved.