Новое поколение программ искусственного интеллекта захватило интернет. Они генерируют высококачественные изображения на основе текстового описания.
DALL-E, генератор изображений, созданный коммерческой исследовательской лабораторией ИИ OpenAI, является одним из самых популярных примеров. Существует множество похожих инструментов, включая Craiyon (ранее DALL-E Mini), который не требует регистрации и имеет неограниченное количество попыток.
Изображение
Google недавно выпустила модель преобразования текста в изображение под названием Imagen, которая, по-видимому, расширяет границы генерации изображений с учетом подписей. По словам Google, она обладает уровнем фотореализма, который беспрецедентен в машинном обучении. Результаты Imagen сопоставимы с реальными фотографиями и нарисованными человеком произведениями искусства.
Модель использует кодировщик Transformer для преобразования подписи в последовательность слов, а затем передает эту последовательность в U-Net для генерации изображения. Затем сгенерированное изображение обуславливается аугментацией с учетом шума для улучшения качества и уменьшения артефактов.
Полученное изображение затем подается в другую модель диффузии для масштабирования изображения с низким разрешением до размера 1024 на 1024 пикселя. Модель достигает высочайшей производительности на бенчмарке COCO с показателем FID 7,27. Модель также хорошо работает на новом наборе данных DrawBench, который содержит строгие подсказки, такие как композиционность, кардинальность, пространственные отношения, длинный текст, редкие слова и сложные изображения. Более того, она работает лучше, чем модели DALL-E 2 и даже VQ-GAN+CLIP на этом наборе данных.
ДАЛЛ-И 2
В отличие от большинства других генераторов изображений в текст, DALL-E 2 является генеративной моделью — отраслью машинного обучения, которая создает сложные выходные данные вместо прогнозирования или классификации входных данных. Она обучается на огромном наборе изображений и текстовых описаний, полученных из Интернета, что позволяет ей выдавать разнообразные результаты из текстовых подсказок.
Одной из самых многообещающих особенностей является способность поддерживать семантическую последовательность в генерируемых изображениях, например, коала, бросающая баскетбольный мяч, или астронавт, едущий на лошади. Это долгожданное улучшение по сравнению с его предшественником DALL E 1, который часто выдавал случайные и несвязанные изображения, такие как девушка в наушниках или пустая комната.
При использовании DALL-E 2 обязательно внимательно прочтите политику в отношении контента, в которой указаны ограничения на работы с узнаваемыми людьми и изложены права собственности. Также помните, что у вас есть только ограниченное количество бесплатных кредитов — 50 в первый месяц и 15 каждый последующий месяц.
В середине пути
Midjourney, одноименная программа ИИ независимой исследовательской лаборатории, произвела фурор в мире искусственного интеллекта. Генеративный ИИ использует описания произведений искусства на естественном языке для создания изображений — так называемых подсказок — похожих на DALL-E от OpenAI и Imagen от BigSleep.
Хотя Midjourney менее искусен в адаптации реальных художественных стилей, он преуспевает в создании окружений, особенно фэнтезийных и антиутопических научно-фантастических сцен с драматическим освещением, которые выглядят как отрендеренные концепт-арты из видеоигры. Его уникальный стиль привлек внимание как энтузиастов ИИ, так и художников.
Чтобы использовать программу, войдите в один из назначенных каналов бота для новичков на сервере Discord и введите креативный запрос в публичном чате с помощью команды /imagine. После того, как бот обработает ваш запрос, он представит четыре его визуальных представления в сетке. Затем вы можете масштабировать сгенерированные изображения и создавать вариации изображений с помощью кнопок /imageU и /imageV. Использование этих команд инициирует бесплатную пробную версию, которая дает вам около 25 «Работ» (Работа — это любое действие, выполняемое ботом). Бесплатную пробную версию также можно обновить до личных сообщений за дополнительные 20 долларов в месяц.
Создатель изображений Bing
Bing Image Creator — новейший инструмент генеративного ИИ от Microsoft. Он использует модель OpenAI DALL-E для преобразования текстовых подсказок в изображения. Функция доступна со вторника в Bing и Edge. Она интегрирована в чат, изначально развертываясь в режиме Creative.
Вы можете предоставить подсказку, добавить контекст, например местоположение или активность, и выбрать художественный стиль для ИИ, чтобы сгенерировать изображение для вас. Затем вы можете выбрать одно из четырех сгенерированных изображений и просмотреть большую версию, чтобы поделиться, сохранить в коллекцию или загрузить.
Как и в случае с любым инструментом на базе ИИ, существует вероятность нецелевого использования и присвоения этих созданных изображений. Microsoft заявляет, что работает с OpenAI, чтобы ограничить эту возможность, и внедряет меры безопасности и дополнительные меры защиты, которые помогут ограничить создание вредоносных или небезопасных изображений. Помимо своего творческого потенциала, эта функция является отличным способом создания привлекательных изображений для вашего контента и социальных сетей.