#Dalle3 — мнение и что будет дальше с визуальными моделями.

Давным давно (год назад, лол) Dalle-2 задавал планку качества, но проиграл медийную гонку Midjourney (по качеству) и Stable Diffusion (по гибкости).

И вот, OpenAI с двух ног вернулась в игру визуальных моделей и снова задает уровень.

В первую очередь, уровень понимания запроса и то, что западные AI блогеры называют conherncy (связность или согласованность), грубо говоря логическая и визуальная цельность и консистентность.

Из полевых тестов — то, чего я добивался часами в MJ и Stable, в Dalle-3 получалось с одной попытки. Карлсон и Громозека — тоже (олды канала помнят)!

То, что вы пишите — то и получаете.

Что дальше?

Midjourney вот-вот выпустит шестую версию, в которой, судя по информации которую я слышал на office hours от CEO, будет будет гораздо большая стилевая гибкость (а не просто очень-очень красиво) и та самая conherncy. А так же, некое подобие ControlNet. И на их месте я бы, конечно, шел именно в сторону большего контроля, потому что иначе они выпустят Dalle-3.

Stable Diffusion продолжает быть народным мультикомбаином, который расширяется до бесконечных возможностей за счет энтузиастов. Но уже с новым поколением — XL. Прошлогодная модель 1.5 плавно отдает бразды популярности.

Кандинский и Шедеврум догоняют, но надо (очень) ускоряться.

Dalle-3 скорей всего порежут, так сейчас можно легко создавать NSFW контент, что очень странно для OpenAI. Ну и вот-вот добавят в ChatGPT 4, что создаст множество сценариев использования.

Так что, если вы еще попробовали, то советую (с VPN): https://www.bing.com/create.Ну и сделал в нашем хабе отдельный раздел для ваших генераций. Кстати, если у вас долго висит, то советую попробовать с браузера Bing, вроде постабильнее.

Выныриваю из дел к вам. За неделю набралось много материала, но из свежего поделюсь только видео, за прогрессом которого приятно наблюдать. Протестировал несколько сервисов, что не на слуху: GenMo, MoonValley, AnimateDiff. Любой заметит, где они лажают, но не каждый заметит, где они уже не лажают 😆

#video #test

На прошлой неделе Adobe устроил канонаду релизов из того, что они уже запустили в свои продукты, и того, что только планируют. Одним словом, перепроизвели новости, поэтому кое-что даже не поместилось в традиционные обзоры, которые разошлись по интернету. Хочу рассказать про проект, который произвел на меня сильное впечатление, правда его внедрение впереди, и он оказался как раз среди затерявшихся в медиа.

Проект называется GlyphEase — узкоспециальная нейросеть для дизайнеров, создающая полноценный шрифт по нескольким отрисованным буквам и текстовому промпту. На двух картинках вы видите input и output, потребовалось всего три буквы, чтобы создать "хлебный" шрифт с укусами. Отличный пример, как нейросети помогают решать узкоспециальные задачи: дизайнер создает уникальный шрифт, выполнив около 10% объема механической работы (3 из 25 букв) и близко к 100% творческой работы (уникальный визуальный паттерн). Наконец, это еще один шажок в сторону генерации интересной инфографики.

#release #design #uiux #not_yet

Закончил работу над статьей "Как превратить ChatGPT в учебного ассистента?", где подытоживаю свои наработки. Публикация чуть затягивается, поэтому делюсь свежей находкой, поразившей меня на днях.

Несколько исследователей (в том числе из Adobe) создали нейросеть, преобразующую Rich Text (особую разметку текста, как в Word) в изображение. Получилось, что с помощью цвета текста можно управлять цветом детали на изображении, а также управлять результатом благодаря выбору шрифта и сноскам 🔥

Модель опубликована в октябре и еще не засвечена в обзорах, релиз прошел ниже радаров, но заявленный уровень контроля феноменален.

Источник

#image #SD #release #paper