Як сучасний штучний інтелект створює неймовірно реалістичні зображення з текстом
Розпізнати картинки, згенеровані штучним інтелектом, стає дедалі складніше. Колись помітні недоліки, наприклад, зайва кількість пальців на руках або їхній дефектний вигляд, тепер майже не з’являються у нових моделях. Це свідчить про стрімкий прогрес і вдосконалення технологій у створенні візуального контенту.
Однією з халеп, де ІІ й досі визнавався слабким, було відтворення тексту. Зображення могло виглядати дуже реалістично, але надто пильний погляд розкривав помилки у словах: повторення літер, немовлячі символи, незрозумілі закручені знаки, що плавно переходили один в одного. Іноді текст нагадував фантастичну мову зі “Зоряних війн”, особливо якщо модель намагалася копіювати англійські літери.
Революція в генерації текстів: OpenAI Images 2.0
Останні розробки вражають — нова модель OpenAI Images 2.0 робить прорив у відтворенні тексту на зображеннях. Тепер вона генерує дуже деталізований і правдивий текст, іноді настільки якісний, що впізнати “штучність” зображення майже неможливо. Ця версія — перша у OpenAI з так званими “мислячими” можливостями: модель розділяє запит на кілька кроків, щоб дати більш точний та влучний результат.
Серед цікавих особливостей Images 2.0:
- можливість створювати до восьми картинок за один запит для користувачів преміум-підписки;
- пошук інформації в інтернеті для оновлення та перевірки даних;
- більш «продумані» та “задумані” зображення, які видаються менш схожими на роботи ІІ.
Різноманітність стилів і форматів
Ця модель не обмежується лише фотореалістичними картинами. Вона вправно створює:
- скріншоти інтерфейсів користувача комп’ютерних програм;
- колажі для журналів;
- зображення, що імітують гори рису — так, це теж можна візуалізувати ІІ;
- сторінки з написаними від руки текстами, аж до плям від кави;
- сцени з графічних романів, плакати та фотографії з різними співвідношеннями сторін, зокрема панорамний режим iPhone.
Всі ці приклади демонструють, наскільки деталізованими й майстерними стали сучасні моделі — так, що часто неможливо повірити, що це згенеровані зображення. Важко повірити, що все це лише цифровий код.
Що показують тестові приклади?
Запити до ChatGPT про створення меню італійського ресторану або газети з новинами про бейсбольні команди теж підтверджують вражаючу якість: у текстах не знаходиться помилок, а розміщення елементів виглядає природним і логічним. Це знову підкреслює новий рівень точності в роботі штучного інтелекту із зображеннями й текстом.
Незважаючи на майстерність — нюанси все одно є
Навіть таку потужну модель іноді можна “розкусити”: зображення мають легкий “блиск ІІ” — невеликі тонкі деталі, що видають їх справжнє походження. Наприклад, складні завдання на кшталт пазлів або текстів на незвичних поверхнях (перевернуті або приховані) можуть викликати труднощі.
Та з урахуванням поточної якості більшість фото, інфографіки, карт, коміксів і плакатів будуть сприйматись як повністю справжні. Цю технологію без вагань починають застосовувати повсюдно, і незабаром ви бачитимете все більше таких творінь у повсякденному житті – часто навіть не підозрюючи, що це робота штучного інтелекту.
Джерело: Lifehacker
