Kuidas AI pildi teeb? Müradest piltideni, lihtsalt

Levinud arusaam on, et pildigeneraator otsib internetist sobivaid pilte ja liidab need kokku. See ei ole see, mis juhtub.

Mürast pildini#

Enamik tänaseid pildigeneraatoreid on difusioonimudelid. Treenimise ajal näidatakse neile pilte, mida on järk-järgult mürastatud, kuni alles on ainult juhuslik müra. Mudel õpib selle protsessi tagurpidi käima: müra sees natuke vähem müra.

Kui sa küsid pilti, alustab mudel puhtast juhuslikust mürast ja puhastab seda kümnete sammudega — igal sammul veidi rohkem sinu kirjelduse suunas. Lõpuks jääb alles pilt, mida ei ole kunagi varem olnud.

Miks käed valesti tulevad#

Klassikaline probleem, mis on nüüdseks suures osas lahendatud, aga seletab hästi, kuidas asi töötab.

Mudel ei tea, et käel on viis sõrme. Ta teab, milline käsi statistiliselt välja näeb. Käsi on treeningandmetes sadades asendites, osaliselt varjatud, eri nurkade alt. Statistiliselt usutav käsi ei ole sama mis anatoomiliselt õige käsi.

Sama loogika seletab teksti pildil, peegelduste vigu ja objekte, mis ei ole füüsiliselt võimalikud.

Mida promptis öelda#

Pildigeneraatorid reageerivad hästi konkreetsusele:

• Subjekt: mis pildil on
• Stiil: fotorealistlik, akvarell, tehniline joonis
• Kompositsioon: lähivõte, ülalt, laivaade
• Valgus: pehme hommikuvalgus, karm vari, vastuvalgus
• Mida vältida: paljud tööriistad toetavad negatiivset promptí

„Kohv“ annab üldise pildi. „Lähivõte mustast kohvist valges tassis, puidust laual, pehme külgvalgus aknast, madal teravussügavus“ annab pildi, mida sa võib-olla tahtsid.

Autoriõigus: kolm asja, mida teada#

Treeningandmed on vaidlusalused. Mudeleid treeniti suures osas internetist kraabitud piltide peal, sageli ilma loata. Kohtuvaidlused käivad mitmes jurisdiktsioonis ja lõplikku vastust veel ei ole.

Väljundi omandiõigus on ebaselge. Paljudes riikides ei saa puhtalt masina loodud teos autoriõiguse kaitset, sest puudub inimautor. See tähendab, et su genereeritud logo ei pruugi olla kaitstav.

Äriline kasutus oleneb teenusest. Loe tingimusi. Mõned lubavad ärilist kasutust, mõned ainult tasulistes pakettides, mõned mitte.

Praktiline reegel: genereeritud pilt on hea illustratsioon ja halb kaubamärk.

Kus see kõige paremini töötab#

Illustratsioonid, mustandid, meeleolutahvlid, ideede visualiseerimine. Kõik, kus pilt peab olema piisavalt hea, mitte täpselt õige.

Kus see halvasti töötab: kõik, kus detail peab olema tõene. Tootepildid, tehnilised joonised, kõik, mis esitab fakti.