InstructPix2Pix መመሪያ አርትዖት
InstructPix2Pix እንደ 'ክረምት አድርግ' ወይም 'ድመቷን ወደ ውሻ ቀይር' ያለ ግልጽ ትዕዛዝ በመተየብ ፎቶን እንዲያርትዑ ይፈቅድልሃል፣ ምንም ማስክ ወይም የመምረጫ መሳሪያዎች አያስፈልጉም።
አጠቃላይ እይታ
It taught a diffusion model to follow editing instructions directly.
ጥልቅ ዳይቭ
InstructPix2Pix (ብሩክስ እና ሌሎች፣ 2023) የግቤት ምስል እና የጽሑፍ መመሪያን ለማንሳት እና የተስተካከለውን ምስል በአንድ ወደፊት ማለፊያ ለማውጣት በጥሩ ሁኔታ የተስተካከለ የስርጭት ሞዴል ነው። ብልህ ብልሃቱ የስልጠናው መረጃ ነው፡ ደራሲዎቹ GPT-3ን ተጠቅመው ከመግለጫ ፅሁፍ በፊት እና በኋላ ጥንዶችን ለማፍለቅ ይጠቀሙ ነበር፣ከዚያም ከምስል ጥንዶች በፊት/በኋላ ማዛመጃን ለማዋሃድ ፈጣን-ወደ-ጥያቄን ከStable Diffusion ተጠቅመዋል። ያ ትልቅ የውሂብ ስብስብ (የመጀመሪያው ምስል፣ መመሪያ፣ የተስተካከለ ምስል) ሶስት እጥፍ እንዲሰለጥኑ ሰጣቸው፣ ሁሉም ያለ በእጅ መለያ። መመሪያው ሙሉ ትዕይንት ሳይሆን ለውጥን ስለሚገልጽ፣ ሞዴሉ ያልተጠቀሱ የምስሉን ክፍሎች ይጠብቃል። ሁለት የመመሪያ ሚዛኖችን ይጠቀማል፣ አንደኛው መመሪያውን ምን ያህል በጥብቅ እንደሚከተል እና አንደኛው ከመጀመሪያው ምስል ጋር ምን ያህል በታማኝነት እንደሚጣበቅ፣ ተጠቃሚዎች የአርትዖት ጥንካሬን ከታማኝነት ጋር እንዲቀይሩ ያስችላቸዋል።
ቴክኒካዊ ግንዛቤ
ከክላሲፋየር ነፃ መመሪያን በሁለት መጥረቢያዎች በመተግበር ላይ ያለው ሞዴል በሁለቱም የምንጭ ምስል እና መመሪያው ላይ ሁኔታዎች። አንደኛው ሚዛን የጽሑፍ መመሪያውን ይመዝናል፣ ሌላኛው የመግቢያውን ምስል ይመዝናል። የምስል ልኬቱን ማሳደግ የበለጠ ዋናውን ሳይበላሽ እንዲቆይ ያደርገዋል፣ የፅሁፍ ልኬቱን ከፍ ማድረግ ደግሞ አርትዖቱን የበለጠ ጠበኛ ያደርገዋል። ይህ ጥምር መመሪያ አንድ ነጠላ አጠቃላይ መመሪያ አንድ ገጽታ በአስተማማኝ ሁኔታ እንዲቀይር የሚያደርግ ሲሆን የቀረውን ፎቶ የሚታወቅ ነው።
ስልታዊ ተጽእኖ
ፍጥነት እና ልኬት
ቪዥዋል AI የመመርመሪያ፣ የማወቅ እና የመለያ ስራዎችን በሚዛን መጠን በራስ ሰር ሊያደርግ ይችላል።
ምርጫዎችን ይገንቡ
የፈጠራ ቡድኖች በጥቂት የእጅ ክለሳዎች ጽንሰ-ሀሳቦችን በፍጥነት መተየብ ይችላሉ።
ቡድን እና የስራ ፍሰት
ክዋኔዎች ከዚህ ቀደም ለማስኬድ አስቸጋሪ የነበሩትን የምስል እና የቪዲዮ ምልክቶችን መጠቀም ይችላሉ።
የ InstructPix2Pix መመሪያ አርትዖት የወደፊት
በመመሪያ ላይ የተመሰረተ አርትዖት አሁን በዋና ዋና መተግበሪያዎች እና እንደ MagicBrush ያሉ ተተኪዎች እና ብቅ ባለ ብዙ ዙር አርታዒዎች የተጋገረ የምስል መሳሪያዎች ነባሪ በይነገጽ እየሆነ ነው። ጥሩ ዝርዝሮችን በተሻለ ሁኔታ መጠበቅን፣ እንደ 'መብራቱን ወደ ግራ ውሰድ' ያሉ የመገኛ ቦታ መመሪያዎችን አስተማማኝ አያያዝ እና አንድ ትዕዛዝ ሙሉ ቅንጥብ በሚያስተካክልበት ቪዲዮ ላይ እንከን የለሽ ቅጥያ ይጠብቁ። እነዚህን ሞዴሎች ከቋንቋ ወኪሎች ጋር በማጣመር ሙሉ የአርትዖት ክፍለ ጊዜን በውይይት እንዲገልጹ ያስችልዎታል።
የእውነተኛ-ዓለም አተገባበር
አንድ ጦማሪ የበጋ መልክዓ ምድርን ለወቅታዊ ልጥፍ እንደገና ለመልበስ 'የበልግ ቅጠሎችን ይጨምሩ' የሚል አይነት።
የኢ-ኮሜርስ ሻጭ የምርት ቀለም ልዩነቶችን ከአንድ ሾት ለማምረት 'የሸሚዙን ቀለም ወደ ባህር ኃይል ቀይር' የሚል መመሪያ ይሰጣል።
ጥቁር እና ነጭ የማህደር ምስል ለትምህርት ግልጽ ለማድረግ አንድ አስተማሪ ታሪካዊ ፎቶን 'ይህን ቀለም አድርግ' አርትዕ ያደርጋል።
የውሻውን ፊት በእጅ ሳይሸፍኑ አንድ ሜም ፈጣሪ 'የውሻ መነፅርን ያድርጉ' ሲል አዝዟል።
አደጋዎች እና የጥበቃ መንገዶች
የምስል መብቶች እና ፈቃድ ግልጽ ካልሆነ ህጋዊ አደጋዎች ሊሆኑ ይችላሉ።
የሞዴል አፈጻጸም በብርሃን፣ በስነ-ሕዝብ እና በአካባቢው ሊለያይ ይችላል።
የመተማመን ገደቦች ካልተቆጣጠሩ የውሸት አወንታዊ ነገሮች ላይታዩ ይችላሉ።
የትግበራ ፍኖተ ካርታ
ለትክክለኛነት፣ ለማስታወስ እና ለስህተት ወጪዎች የመቀበያ መስፈርቶችን ይግለጹ።
ከእውነተኛ የምርት ሁኔታዎች ጋር በሚዛመድ ውሂብ ይሞክሩ።
ለዝቅተኛ እምነት ወይም ከፍተኛ ተጽዕኖ ትንበያ የሰው ግምገማን ያክሉ።
ከካሜራ ወይም የውሂብ ስብስብ ለውጦች በኋላ የሞዴሉን ተንሸራታች ይከታተሉ እና እንደገና ያረጋግጡ።
ማሰስዎን ይቀጥሉ
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the InstructPix2Pix Instruction Editing quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
ቀጣይ መመሪያ
DragGAN መስተጋብራዊ አርትዖት
በተደጋጋሚ የሚጠየቁ ጥያቄዎች
What is InstructPix2Pix Instruction Editing?
InstructPix2Pix እንደ 'ክረምት አድርግ' ወይም 'ድመቷን ወደ ውሻ ቀይር' ያለ ግልጽ ትዕዛዝ በመተየብ ፎቶን እንዲያርትዑ ይፈቅድልሃል፣ ምንም ማስክ ወይም የመምረጫ መሳሪያዎች አያስፈልጉም። የስርጭት ሞዴልን በቀጥታ የአርትዖት መመሪያዎችን እንዲከተል አስተምሯል።
ምን መቀየር እንዳለበት InstructPix2Pix እንዴት ይነግሩታል?
በቀላሉ እንደ 'ክረምት ያድርጉት' የሚለውን መመሪያ ይተይቡ; ምንም ጭምብል ወይም የክልል ምርጫ አያስፈልግም.
የ InstructPix2Pix የሥልጠና መረጃ እንዴት ተፈጠረ?
ደራሲዎቹ በ GPT-3-የመነጨ የመግለጫ ፅሁፍ ጥንዶችን ከፈጣን-ወደ-ፈጣን ምስል ውህደት ጋር በማጣመር ሶስት እጥፍ በራስ-ሰር እንዲገነቡ አድርገዋል።
የ InstructPix2Pix ሁለት የመመሪያ ሚዛኖች ምን ይቆጣጠራሉ?
አንድ ሚዛን አርትዖቱ እንዴት በጥብቅ መመሪያውን እንደሚከተል ይቆጣጠራል። ሌላው የምንጭ ምስል ምን ያህል እንደተጠበቀ ይቆጣጠራል.
ሞዴሉ ያልተጠቀሱ የምስሉን ክፍሎች ብቻውን የመተው አዝማሚያ ያለው ለምንድን ነው?
መመሪያው የተወሰነ ለውጥ ላይ ያነጣጠረ ነው፣ ስለዚህ አምሳያው መመሪያው ያልተጠቀሰ ክልሎችን ይጠብቃል።
InstructPix2Pix አርትዖት ለመስራት ስንት ወደፊት ማለፊያዎች ያስፈልገዋል?
ምስሉን እና መመሪያውን አንድ ላይ ወስዶ አርትዖቱን የሚያወጣው ነጠላ ሁኔታዊ ስርጭት ሞዴል ነው።