Trwający rok to dla sztucznej inteligencji ogromny skok i rozwój. Dzięki AI możliwe jest już przetwarzanie tekstu na obraz, a nawet tekstu na wideo. Choć technik jest wiele, najczęściej wykorzystywanym modelem stosowanym do przetwarzania tekstu na obraz jest użycie tzw. stabilnej dyfuzji, która jest szybkim i stabilnym modelem, dającym naprawdę wysokiej jakości wyniki.
Czym w rzeczywistości jest stabilna dyfuzja?
Stabilną dyfuzją nazywa się najbardziej nowoczesny i najczęściej używany model uczenia maszyn poprzez tworzenie sztucznej inteligencji, który obecnie pozwala już na przetworzenie tekstu na obraz na podstawie dużej liczby zdjęć i tekstu. Ta stabilna dyfuzja wykorzystuje proces dyfuzji do generowania obrazu, które zbliżone są do tekstu.
W oparciu o już stworzone aplikacje i usługi, jak Google Colab oraz DreamBooth, możliwe jest wytworzenie obrazów w oparciu o wykonany zestaw zdjęć oraz tekst.
Jak działa DreamBooth?
Na podstawie tekstowego opisu algorytm programu sztucznej inteligencji dochodzi do wygenerowania obrazu. Nie należy oczekiwać, że obraz, który zostanie wytworzony, będzie dokładnie taki, jak konkretne postaci ukazuje rzeczywistość, jednak możliwe jest takie „wyuczenie” sztucznej inteligencji, aby powstałe obrazy były w stanie wygenerować obrazy bardzo zbliżone do rzeczywistości.
Jak wykonać obrazy za pomocą AI?
Podstawą do wykonania obrazów jest stworzenie lub zebranie wcześniej stworzonych zdjęć – minimalna ilość to 12 sztuk, choć lepiej zebrać ich minimum 20. Aby odtworzenie obrazu było możliwe i zbliżone do rzeczywistości, należy zwrócić uwagę na wykonanie zdjęć – rysy twarzy powinny być wyraźnie widoczne i odpowiednio doświetlone, nie powinny tworzyć się cienie w obrębie twarzy, twarz powinna znajdować się w centralnej części zdjęcia. Zdjęcia powinny zawierać głowę aż do talii, a także całość sylwetki modela.
Aby wykonać obrazy, należy skorzystać z Google Colab oraz DreamBooth, które po przejściu cyklu ustawień do przetwarzania zdjęć pozwala na wygenerowanie różnych modeli obrazów.
