Нове покоління програм ШІ захопило Інтернет штурмом. Вони генерують високоякісні зображення на основі текстового опису.
DALL-E, генератор зображень, створений комерційною дослідницькою лабораторією ШІ OpenAI, є одним із найпопулярніших прикладів. Існує багато подібних інструментів, у тому числі Craiyon (раніше DALL-E Mini), який не потребує реєстрації та має необмежену кількість спроб.
Imagen
Google нещодавно випустив модель перетворення тексту в зображення під назвою Imagen, яка, здається, розширює межі створення умовних зображень із підписами. За словами Google, він має безпрецедентний рівень фотореалізму в машинному навчанні. Результати Imagen на одному рівні з реальними фотографіями та мистецтвом, намальованим людиною.
Модель використовує кодувальник Transformer для перетворення підпису в послідовність слів, а потім передає цю послідовність в U-Net для створення зображення. Згенероване зображення потім кондиціонується за допомогою шумового доповнення для покращення якості та зменшення артефактів.
Отримане зображення потім подається в іншу дифузійну модель для збільшення зображення з низькою роздільною здатністю до розміру 1024 на 1024 пікселя. Модель досягає найсучаснішої продуктивності за тестом COCO з оцінкою FID 7,27. Модель також добре працює на новому наборі даних DrawBench, який містить точні підказки, такі як композиція, потужність, просторові співвідношення, довгий текст, рідкісні слова та складні зображення. Крім того, на цьому наборі даних він працює краще, ніж DALL-E 2 і навіть моделі VQ-GAN+CLIP.
DALL-E 2
На відміну від більшості інших генераторів зображення в текст, DALL-E 2 є генеративною моделлю — гілкою машинного навчання, яка створює складний вихід замість прогнозування або класифікації вхідних даних. Він навчається на масивному наборі зображень і текстових описів, взятих з Інтернету, що дозволяє отримувати різноманітні результати з текстових підказок.
Однією з його найбільш перспективних особливостей є його здатність підтримувати семантичну узгодженість у створюваних зображеннях, як-от коала, що закидає баскетбольний м’яч, або астронавт, який їде верхи на коні. Це приємне покращення порівняно з його попередником, DALL E 1, який часто створював випадкові та непов’язані зображення, як-от дівчина з навушниками чи порожня кімната.
Користуючись DALL-E 2, обов’язково уважно прочитайте політику щодо вмісту, яка визначає обмеження на роботи з впізнаваними людьми та описує права власності. Крім того, пам’ятайте, що у вас є лише обмежена кількість безкоштовних кредитів — 50 у перший місяць і 15 щомісяця в подальшому.
Середня дорога
Midjourney, однойменна програма ШІ незалежної дослідницької лабораторії, викликала хвилю у світі штучного інтелекту. Генеративний штучний інтелект використовує описи творів мистецтва природною мовою для створення зображень, які називаються підказками, подібно до DALL-E від OpenAI та Imagen від BigSleep.
Хоча Midjourney менш вміє адаптувати справжні художні стилі, він відмінно справляється зі створенням середовища, зокрема фантастичних і антиутопічних науково-фантастичних сцен із драматичним освітленням, яке виглядає як концепт-арт із відеоігри. Його унікальний стиль привернув увагу як ентузіастів ШІ, так і художників.
Щоб скористатися програмою, увійдіть до одного з призначених каналів роботи для новачків на сервері Discord і введіть творчу підказку в публічному чаті за допомогою команди /imagine. Коли бот обробить вашу підказку, він представить чотири її візуальні представлення в сітці. Потім ви можете масштабувати згенеровані зображення та створювати варіації зображень за допомогою кнопок /imageU та /imageV. Використання цих команд ініціює безкоштовну пробну версію, яка дає вам близько 25 «задач» (завдання — це будь-яка дія, яку виконує бот). Безкоштовну пробну версію також можна оновити до приватних повідомлень за додаткові 20 доларів на місяць.
Bing Image Creator
Bing Image Creator — це останній генеративний інструмент штучного інтелекту Microsoft. Він використовує модель OpenAI DALL-E для перетворення текстових підказок на зображення. Ця функція доступна з вівторка в Bing і Edge. Він інтегрований у чат, спочатку розгортається в творчому режимі.
Ви можете надати підказку, додати контекст, як-от місцезнаходження чи діяльність, і вибрати художній стиль, щоб штучний інтелект згенерував для вас зображення. Потім ви можете вибрати одне з чотирьох згенерованих зображень і переглянути більшу версію, щоб поділитися, зберегти в колекції або завантажити.
Як і у випадку з будь-яким інструментом на основі штучного інтелекту, існує потенціал для неправильного використання та привласнення цих згенерованих зображень. Корпорація Майкрософт каже, що працює з OpenAI, щоб зменшити цю можливість, і впроваджує заходи безпеки та додаткові засоби захисту, які допоможуть обмежити створення шкідливих або небезпечних зображень. Окрім свого творчого потенціалу, ця функція є чудовим способом створення привабливих зображень для вашого вмісту та соціальних мереж.