Manipulálja a képeket egyetlen kattintással: Az AI DragGan lehetővé teszi a fényképek rekordidő alatti átalakítását

Német és amerikai kutatók fejlett egy innovatív megközelítés, a Drag Your GAN, amely lehetővé teszi a felhasználók számára, hogy rugalmasan és pontosan szabályozzák az állóképeken lévő objektumok pózát, alakját, kifejezését és elrendezését. Annak ellenére, hogy még mindig papíron van, az eszköz megváltoztathatja a fényképeik szerkesztésének módját.

Eddig a képek „animálására” létező módszerekhez manuálisan annotált edzési adatokra vagy már meglévő 3D modellekre volt szükség. Ezek a megközelítések korlátokat mutattak a rugalmasság és a pontosság tekintetében. 

Mi az a generatív mesterséges intelligencia? |Newsverso Szószedet

A generatív mesterséges intelligencia vagy a GAN egy olyan technika, amelyben két neurális hálózat együttműködik új dolgok létrehozása érdekében. Az egyik hálózat új dolgokat hoz létre, míg a másik megpróbálja megmondani, hogy ezek valódiak vagy hamisak. Idővel az új dolgokat létrehozó hálózat megtanulja valódinak látszó dolgokat csinálni, az ellenőrző hálózat pedig megtanul különbséget tenni a valódi és a hamis között.

A DragGAN segítségével az egér húzásával megmosolyogtathat valakit a fényképen

A DragGAN egy kevésbé feltárt technikát használ, amely lehetővé teszi a felhasználók számára, hogy a kép bizonyos pontjait „húzzák” a kívánt eredmények interaktív módon történő elérése érdekében. Csak az ujjával vagy az egérrel megmosolyogtathat valakit egy fényképen.

Ez azt jelenti, hogy állatokról, autókról, emberekről és tájakról személyre szabott részletekkel, valósághűen készíthetünk képeket.

A DragGAN segítségével bárki meghajlíthatja a képet, és pontosan szabályozhatja a különböző tárgyak pózát, alakját, kifejezését és elrendezését. Ez a rugalmasság GAN által generált képek széles skáláját teszi lehetővé, valósághű eredményeket produkálva még olyan összetett kihívások esetén is, mint például rejtett tárgyak vagy deformált alakzatok, amelyek követik az objektum merevségét.

Ijesztőnek tűnhet. De ha etikusan használják, ez a felfedezés promeúj alkalmazások fejlesztésének ösztönzése olyan területeken, mint a tervezés, a digitális tartalomkészítés, sőt a játékok és filmek. Nem kell például bonyolult folyamatokat végrehajtania a Photoshopban, hogy olyan képet készítsen, ahogyan szeretné.

Ezzel a fejlesztéssel a mesterséges intelligencia által generált képek irányításának és manipulálásának képessége új dimenziót nyer, és lenyűgöző lehetőségeket nyit meg a vizuálisan lenyűgöző és személyre szabott tartalom létrehozásában. 

Az eszköz még nem mindenki számára elérhető. Csak a fejlesztők tesztelik a platformot. Azonban a projekt regisztrálva lett a Cornell Egyetem nyílt kurátoros kutatásmegosztó platformján.

A tesztelők előzeteseket is közzétettek a Twitteren arról, hogyan fog működni az eszköz, ha általánosan kiadják. 

Lásd még:

Mesterséges intelligencia: forradalom és szabályozás között – a szakemberek az AI jövőjéről vitatkoznak

A népszerűsítése ChatGPT elvárásokat, lelkesedést és félelmet keltett a világban a mesterséges intelligencia jövőjével kapcsolatban. Milyen mértékben járul hozzá a technológia a modern társadalomhoz? És mikor jelent valós kockázatot az üzleti életre, sőt az emberiség jövőjére nézve? Szakértők és kormányok vitáznak a szabályozásról és az etikai fékekről. Szakértőkkel beszélgettünk, hogy megértsük, mit lehet/kell tenni ezzel kapcsolatban. Kövess 🧵

Midjourney kiad egy új funkciót, amely képekből szövegeket hoz létre

O Midjourney elindított egy új funkciót, amely promebekapcsolódjon a művészeti és formatervezési iparba. Ez egy kép-szöveg konvertáló eszköz, amely lehetővé teszi a felhasználók számára, hogy képet töltsenek fel, és pontos és azonnali szöveges leírásokat kapjanak azokból. Korábban a platform csak az ellenkező utat tette lehetővé, hogy a felhasználó szöveges parancsot küldjön, hogy képet kapjon a promptból.