Генерация изображения на основе текста.
Одним из наиболее известных инструментов искусственного интеллекта на сегодняшнем рынке является нейросеть Dall-E. Эта крайне интересная технология была представлена в начале 2021 года и представляет собой обученную нейронную сеть, которая преобразует текст в великолепные умопомрачительные образы.
Технология преобразование текста в изображения носит действительно революционный характер, который уже сейчас изменяет технологии во многих областях. Например, если раньше для создания иллюстраций в издательском деле надо было платить за это художнику, то сейчас это можно делать при помощи нейросети и совершенно бесплатно. Просто вводится текст отрывка и нейросеть выдает вам с десяток относительно качественных иллюстраций.
Уникальная особенность Dall-E заключается в том, что она предоставляет доступ к подмножеству функций обычного механизма 3D-рендеринга с помощью естественного языка, но без необходимости детализации в текстовом приглашении. Нейросеть точно понимает географические формы, различных животных, сочетание несвязанных понятий и многое другое.
Интересно то, что нейросеть в своем так называемом «творчестве» использует не только известные ей и нам предметы, но и генерирует абсолютно новые несуществующие в природе объекты.
Разработчиком DALL-E является американская компания OpenAI, одним из основателей которой является Илон Маск. Данная компания ставит своей задачей разработку революционных технологий в области искусственного интеллекта.
В 2022 году разработчики из OpenAI анонсировали улучшенную нейросеть DALL-E 2, созданную на основе предшественницы. Она способна создавать просто невероятные фотореалистичные изображения и это всего лишь по заданным фразам или отдельным предложениям.
DALL·E 2 может функционировать в трех режимах: генерировать картинку с нуля, генерировать новые вариации уже имеющейся картинки, дорисовывать части картинки.
Среди преимуществ DALL-E 2 над первой версией можно обозначить следующие: генерирует более реалистичные изображения и с лучшим качеством; выполняеь отдельные процессы редактирования фотографий на изображении; лучше распознает объекты на изображении и их имеющуюся взаимосвязь; способна воспроизводить изображения в совершенно разных стилях, создавая вариации одной и той же картины.
Запрос для генерации картины необходимо вводить на английском языке, время создания изображения может занимать до 5 минут.
В это же время компания Сбер разработала нейронную сеть ruDALL-E, способную генерировать изображения на основе текстового описания на русском языке. По словам разработчиков проекта, она поможет в создании вариантов дизайна интерьера, материалов для рекламы, архитектурного и промышленного дизайна и т.д. Опробовать её в действии может каждый желающий.
В результате, на сегодняшний день блогерам, веб-мастерам, периодическим изданиям, СМИ и пр. теперь можно не платить за уникальные картинки на фотостоках к своим статьям и публикациям, ведь буквально за несколько минут можно сгенерировать с десяток отличных картинок и абсолютно на любую тему.