ΕπόμενοΕπόμενος οδηγός
Επεξεργασία εικόνας συνομιλίας με πολυτροπικά μοντέλα
Οπτική τεχνητή νοημοσύνη
ΟΔΗΓΟΣ οπτικού AI
InstructPix2Pix Επεξεργασία Οδηγιών
Το InstructPix2Pix σάς επιτρέπει να επεξεργάζεστε μια φωτογραφία πληκτρολογώντας μια απλή εντολή όπως "κάντε το χειμώνα" ή "μετατρέψτε τη γάτα σε σκύλο", χωρίς να απαιτούνται μάσκες ή εργαλεία επιλογής.
Ακούστε αυτόν τον οδηγόαφήγηση με AI · ~2 min
Σε αυτήν τη σελίδα2 λεπτά ανάγνωση
Επισκόπηση
It taught a diffusion model to follow editing instructions directly.
Βαθιά κατάδυση
InstructPix2Pix is a diffusion model conditioned on an input image and an editing instruction. Its authors constructed synthetic training pairs by using GPT-3 to generate instructions and Prompt-to-Prompt with Stable Diffusion to create edited image examples. They report that the trained model can apply user-written instructions to real images without per-example fine-tuning or inversion. This does not mean inference is a single network evaluation: diffusion sampling still uses iterative denoising. Two guidance scales trade instruction adherence against similarity to the source image, and the model can alter details beyond the requested edit, so review remains necessary.
Υλοποίηση σε πραγματικό κόσμο
Ένας blogger πληκτρολογεί «προσθέστε φύλλωμα φθινοπώρου» για να επαναλάβει μια φωτογραφία καλοκαιρινού τοπίου για μια εποχιακή ανάρτηση.
Ένας πωλητής ηλεκτρονικού εμπορίου δίνει οδηγίες «αλλάξτε το χρώμα του πουκάμισου σε ναυτικό» για να δημιουργήσετε παραλλαγές χρώματος προϊόντος από μία λήψη.
Ένας δάσκαλος επεξεργάζεται μια ιστορική φωτογραφία με το «χρωματίστε αυτό» για να κάνει μια ασπρόμαυρη εικόνα αρχείου ζωντανή για ένα μάθημα.
Ένας δημιουργός meme δίνει εντολή «βάλε γυαλιά ηλίου στον σκύλο» χωρίς να καλύψει το πρόσωπο του σκύλου με το χέρι.
Το μέλλον της Επεξεργασίας Οδηγιών InstructPix2Pix
Instruction-based editing can make image changes easier to request, but generative outputs still need review for unintended alterations, missing details, and unsupported historical claims.
Κάνοντάς το στην πράξη
Γιατί έχει σημασία
- Ταχύτητα και κλίμακα. Το Visual AI μπορεί να αυτοματοποιήσει εργασίες επιθεώρησης, ανίχνευσης και επισήμανσης σε κλίμακα.
- Δημιουργήστε επιλογές. Οι δημιουργικές ομάδες μπορούν να δημιουργήσουν πρωτότυπες ιδέες γρηγορότερα με λιγότερες μη αυτόματες αναθεωρήσεις.
- Ομάδα και ροή εργασίας. Οι λειτουργίες μπορούν να χρησιμοποιούν σήματα εικόνας και βίντεο που προηγουμένως ήταν δύσκολο να επεξεργαστούν.
Προσέξτε
- Τα δικαιώματα εικόνας και η συναίνεση μπορεί να αποτελέσουν νομικούς κινδύνους εάν η προέλευση είναι ασαφής.
- Η απόδοση του μοντέλου μπορεί να διαφέρει ανάλογα με το φωτισμό, τα δημογραφικά στοιχεία και τα περιβάλλοντα.
- Τα ψευδώς θετικά μπορεί να περάσουν απαρατήρητα εκτός εάν παρακολουθούνται τα όρια εμπιστοσύνης.
Επόμενα βήματα
- Καθορίστε κριτήρια αποδοχής για το κόστος ακρίβειας, ανάκλησης και σφάλματος.
- Δοκιμή με δεδομένα που ταιριάζουν με πραγματικές συνθήκες παραγωγής.
- Προσθέστε ανθρώπινη κριτική για προβλέψεις χαμηλής εμπιστοσύνης ή υψηλού αντίκτυπου.
- Παρακολουθήστε τη μετατόπιση του μοντέλου και επικυρώστε εκ νέου μετά από αλλαγές κάμερας ή δεδομένων.
Συνεχίστε την εξερεύνηση
Δωρεάν ενημερωτικό δελτίο
Λάβετε την καθημερινή ενημέρωση AI
Τρία επαληθευμένα νέα AI κάθε πρωί της εβδομάδας, γραμμένα σε απλή αγγλική. Δωρεάν για πάντα, χωρίς διαφημίσεις.
Ένα email κάθε εργάσιμη ημέρα. Κατάργηση συνδρομής με ένα κλικ. Δεν πουλάμε ή μοιραζόμαστε ποτέ τη διεύθυνσή σας.
Δοκιμάστε τον εαυτό σας
Take the InstructPix2Pix Instruction Editing quiz
Άμεση ανάδραση σε κάθε απάντηση, και πιστοποιητικό με επαληθεύσιμο ID μόλις περάσετε το μάθημα.
Υποστηρίξτε τη δωρεάν εκπαίδευση AI. AI Understanding είναι μια μη κερδοσκοπική οργάνωση 501(c)(3) — χωρίς διαφημίσεις, χωρίς τοίχο πληρωμής, ποτέ. Κάντε μια δωρεά
Συχνές ερωτήσεις
What is InstructPix2Pix Instruction Editing?
Το InstructPix2Pix σάς επιτρέπει να επεξεργάζεστε μια φωτογραφία πληκτρολογώντας μια απλή εντολή όπως "κάντε το χειμώνα" ή "μετατρέψτε τη γάτα σε σκύλο", χωρίς να απαιτούνται μάσκες ή εργαλεία επιλογής. Δίδαξε ένα μοντέλο διάχυσης να ακολουθεί απευθείας τις οδηγίες επεξεργασίας.
Πώς λέτε στο InstructPix2Pix τι να αλλάξει;
Απλώς πληκτρολογείτε μια οδηγία όπως "κάντε το χειμώνα". δεν χρειάζονται μάσκες ή επιλογή περιοχής.
Πώς δημιουργήθηκαν τα δεδομένα εκπαίδευσης του InstructPix2Pix;
Οι συγγραφείς συνδύασαν ζεύγη υποτίτλων που δημιουργήθηκαν από το GPT-3 με σύνθεση εικόνας Prompt-to-Prompt για να δημιουργήσουν αυτόματα τριάδες.
Τι ελέγχουν οι δύο κλίμακες καθοδήγησης του InstructPix2Pix;
Μία κλίμακα καθορίζει πόσο αυστηρά η επεξεργασία ακολουθεί την οδηγία. το άλλο καθορίζει πόσο διατηρείται η εικόνα της πηγής.
Γιατί το μοντέλο τείνει να αφήνει μόνα μέρη της εικόνας που δεν αναφέρονται;
Μια εντολή στοχεύει μια συγκεκριμένη αλλαγή, επομένως το μοντέλο διατηρεί περιοχές που δεν αναφέρει η οδηγία.
Does InstructPix2Pix require separate per-image fine-tuning or inversion before applying an edit?
The paper describes applying the trained model to an image and instruction without per-example fine-tuning or inversion. The diffusion model still performs iterative denoising during inference.
Συνέχισε να μαθαίνεις
Σχετικοί οδηγοί
Επιλέχθηκαν περισσότεροι οδηγοί για αυτό το θέμα