Объяснение генераторов изображений AI: как они работают и что они могут делать

Краткое содержание

Изображения, сгенерированные искусственным интеллектом, основаны на диффузии для создания реалистичных изображений из чистого шума, шаг за шагом обращая процесс вспять.
Постоянное обучение и усовершенствование моделей искусственного интеллекта с участием пользователей за последние годы значительно улучшили качество изображений.
Текстовые подсказки используются для создания изображений, а дополнительные параметры и инструменты генеративной заливки улучшают результаты.

Изображения, созданные искусственным интеллектом, сейчас повсюду, и самые лучшие из них выглядят настолько хорошо, что вы никогда не догадаетесь, что они были созданы машиной, а не человеком. Но как это возможно? Ответ на вопрос, как работает генерация изображений ИИ, одновременно прост и очень сложен.

Все дело в распространении

В основе изображений, генерируемых искусственным интеллектом, лежит концепция «диффузии». Это базовый процесс, который сегодня используют все типы генеративного ИИ, создающего изображения, и он выглядит примерно так:

Процесс распространения начинается с набора данных существующих изображений. К этим изображениям постепенно добавляются шумы или случайные искажения, пока они не становятся практически неузнаваемыми.
Модель ИИ учится обращать этот процесс вспять, шаг за шагом удаляя шум. Это включает в себя обучение модели предсказывать, как выглядело изображение до добавления шума.
После обучения модель может начать с чистого шума и применить полученные знания для создания совершенно новых, реалистичных изображений, обращая процесс шума вспять.

Генеративные генераторы изображений ИИ используют особый тип нейронной сети для обучения на основе этих данных, и когда вы обращаете процесс, начиная с диффузного шума и повторяя его до тех пор, пока изображение не будет соответствовать текстовой подсказке, вы, по сути, запускаете нейронную сеть в обратном порядке.

Каждый день — день обучения генераторов изображений с использованием искусственного интеллекта

Вышеописанный процесс кажется простым, но модели генерации изображений ИИ постоянно совершенствуются и совершенствуются, используя как можно больше данных. Например, когда вы голосуете за то, какие изображения вам нравятся больше всего на таких сайтах, как Midjourney, вы предоставляете данные, которые могут помочь уточнить модель.

Ранние генераторы изображений ИИ были довольно ужасными. Например, вот изображение женщины, поедающей яблоко, созданное с помощью Midjourney V1, в сравнении с последней (на момент написания статьи) V6.

Мы перешли от кошмарного топлива к вопросу: «Это настоящая фотография?» всего за несколько лет, и все благодаря постоянному совершенствованию и обучению модели, а также настройке базовых нейронных сетей, которые делают это возможным.

Превращение подсказок в картинки

Я упоминал об этом выше, но когда вы, как пользователь, создаете изображения с помощью ИИ, на самом деле вы предоставляете в качестве входных данных текстовую подсказку. Это просто описание вроде «женщина, едящая яблоко», и это именно та подсказка, которую я использовал для создания двух изображений выше.

Чтобы получить желаемые результаты, требуется изрядное количество экспериментов с подсказками, и иногда вы находите набор слов или фраз, которые действительно создают что-то новое и интересное.

Параметры, генеративное заполнение и другие хитрости

Конечно, зная, как правильно подсказывать, и имея за плечами несколько специализированных команд, можно еще лучше добиться отличных результатов от передовых моделей. Настройка параметров и использование инструментов постгенерации, которые предлагают современные модели, являются ключом к созданию идеальных изображений ИИ.

Генеративное заполнение — один из наиболее полезных аспектов этой технологии искусственного интеллекта. Это позволяет вам стереть часть изображения, а затем использовать ИИ для заполнения чего-то нового на основе подсказки или просто контекста изображения.

Лично я использую это для решения таких проблем, как появление у персонажей слишком большого количества пальцев. Вы также можете найти эту функцию встроенной в современные фоторедакторы, такие как Adobe Photoshop и функция Magic Erase Canva.

Генеративный ИИ сейчас продвинулся до такой степени, что он может создавать видео, и модели становятся намного лучше в создании именно того, что мы просим, включая детали о позах, объектах и том, как они должны быть расположены на изображении.