Никаких слонов: Прорывы в генерации изображений

→ Хабр

Статья рассказывает о революционном изменении в технологиях генерации изображений с помощью мультимодальных моделей ИИ от Google и OpenAI.

⭕️ Принципиальное отличие новых моделей:
Раньше: ИИ отправлял текстовый запрос в отдельную систему генерации изображений
Теперь: Большие мультимодальные модели сами создают изображения токен за токеном, подобно генерации текста

🔹 Ключевые преимущества:
• Значительно улучшенное качество изображений
• Способность точно следовать сложным запросам
• Возможность итеративного редактирования с помощью текстовых указаний
• Читаемый текст в изображениях
• Работа с загруженными фото: редактирование и модификация

◾️ Практические примеры применения:
• Превращение рукописных набросков в рекламные материалы
• Редактирование элементов интерьера на фотографиях
• Создание макетов веб-сайтов и прототипов дизайна
• Визуальные рецепты, иллюстрированные стихи
• Улучшение фотографий по текстовому описанию

🔸 Этические и практические сложности:
• Вопросы авторского права при переносе стиля других художников
• Упрощение создания дипфейков и других визуальных манипуляций
• Размытие границы между человеческим и ИИ-творчеством
• Неизбежная трансформация креативных профессий