Editace instrukcí InstructPix2Pix
InstructPix2Pix vám umožňuje upravovat fotografii zadáním prostého příkazu, jako je „udělej zimu“ nebo „proměňte kočku v psa“, bez masky nebo nástrojů pro výběr.
Přehled
It taught a diffusion model to follow editing instructions directly.
Hluboký ponor
InstructPix2Pix (Brooks et al., 2023) je difúzní model jemně vyladěný tak, aby pořídil vstupní obrázek plus textovou instrukci a vydal upravený obrázek v jediném průchodu dopředu. Jeho chytrým trikem jsou trénovací data: autoři použili GPT-3 ke generování párů titulků před a po, pak pomocí Prompt-to-Prompt se Stable Diffusion syntetizovali páry obrázků před/po. To jim poskytlo velkou datovou sadu (původní obrázek, instrukce, upravený obrázek) trojic k trénování, vše bez ručního označování. Protože pokyny popisují spíše změnu než celou scénu, model zachovává nezmíněné části obrazu. Používá dvě vodicí stupnice, jednu pro to, jak přesně se řídí pokyny, a jednu pro to, jak věrně se drží původního obrázku, což uživatelům umožňuje měnit sílu úprav za věrnost.
Technický přehled
Podmínky modelu jak na zdrojovém obrázku, tak na instrukci s použitím navádění bez klasifikátoru podél dvou os. Jedna váha váží textový pokyn, druhá váží vstupní obrázek. Zvětšením měřítka obrázku zůstane původní nedotčený, zatímco zvýšením měřítka textu budou úpravy agresivnější. Toto duální navádění umožňuje jediné obecné instrukci spolehlivě změnit jeden aspekt, zatímco zbytek fotografie zůstává rozpoznatelný.
Strategický dopad
Rychlost a měřítko
Vizuální AI může automatizovat úkoly inspekce, detekce a označování ve velkém měřítku.
Volby sestavy
Kreativní týmy mohou prototypovat koncepty rychleji s menším počtem ručních revizí.
Tým a pracovní postup
Operace mohou využívat obrazové a video signály, které bylo dříve obtížné zpracovat.
Budoucnost úpravy instrukcí InstructPix2Pix
Úpravy založené na pokynech se stávají výchozím rozhraním pro obrázkové nástroje, které jsou nyní zapečeny do běžných aplikací a následníků, jako je MagicBrush a nově vznikající víceotáčkové editory. Očekávejte lepší zachování jemných detailů, spolehlivé zpracování prostorových instrukcí, jako je „pohyb lampy doleva“, a bezproblémové rozšíření na video, kde jeden příkaz upraví celý klip. Spojení těchto modelů s jazykovými agenty vám umožní konverzačně popsat celou relaci úprav.
Real-World Implementace
Bloger píše „přidat podzimní listí“, aby změnil vzhled letní fotografie krajiny pro sezónní příspěvek.
Prodejce v e-shopu dává pokyn „změňte barvu košile na námořnickou“, aby se z jednoho záběru vyrobily barevné varianty produktu.
Učitel upraví historickou fotografii pomocí příkazu „vybarvit toto“, aby byl černobílý archivní snímek živý pro vyučovací hodinu.
Tvůrce meme přikazuje „nasadit psovi sluneční brýle“, aniž by mu ručně maskoval obličej.
Rizika a zábradlí
Obrazová práva a souhlas se mohou stát právním rizikem, pokud je původ nejasný.
Výkon modelu se může lišit podle osvětlení, demografických údajů a prostředí.
Falešně pozitivní mohou zůstat bez povšimnutí, pokud nejsou monitorovány prahové hodnoty spolehlivosti.
Plán implementace
Definujte kritéria přijatelnosti pro přesnost, stažení a náklady na chyby.
Testujte s daty, která odpovídají reálným výrobním podmínkám.
Přidejte lidskou kontrolu pro předpovědi s nízkou spolehlivostí nebo velkým dopadem.
Sledujte posun modelu a znovu ověřte po změnách kamery nebo datové sady.
Pokračujte v objevování
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
Další průvodce
Interaktivní úpravy DragGAN
Často kladené otázky
What is InstructPix2Pix Instruction Editing?
InstructPix2Pix vám umožňuje upravovat fotografii zadáním prostého příkazu, jako je „udělej zimu“ nebo „proměňte kočku v psa“, bez masky nebo nástrojů pro výběr. Naučilo difúzní model přímo následovat pokyny pro úpravy.
Jak řeknete InstructPix2Pix, co má změnit?
Jednoduše zadáte pokyn jako 'udělej zimu'; nejsou potřeba žádné masky ani výběr regionu.
Jak byla vytvořena tréninková data InstructPix2Pix?
Autoři zkombinovali páry titulků vygenerované GPT-3 se syntézou obrázků Prompt-to-Prompt, aby se automaticky vytvořily trojky.
Co ovládají dvě vodicí stupnice InstructPix2Pix?
Jedna stupnice určuje, jak silně se editace řídí instrukcí; druhý určuje, jak velká část zdrojového obrazu se zachová.
Proč má model tendenci nechávat nezmíněné části obrazu na pokoji?
Instrukce se zaměřuje na konkrétní změnu, takže model zachovává oblasti, které instrukce nezmiňuje.
Kolik průchodů vpřed potřebuje InstructPix2Pix k provedení úpravy?
Jedná se o jediný model podmíněné difúze, který spojuje obrázek a instrukci a vydává úpravy.