Огляд
Prompt-to-Prompt редагує згенероване зображення, налаштовуючи його текстову підказку, повторно використовуючи внутрішні карти уваги моделі, тому зміна одного слова змінює цей елемент, зберігаючи решту сцени недоторканою. Це редагування за допомогою слів, а не пікселів.
Редагування підказки до підказки належить до робочих процесів комп’ютерного зору, які інтерпретують або генерують візуальні медіа для аналізу, операцій і творчості.
Глибоке занурення
Prompt-to-Prompt (Hertz та ін., 2022) — це техніка редагування на основі тексту в дифузійних моделях, яка не вимагає навчання. Ключове розуміння полягає в тому, що карти перехресної уваги, які повідомляють моделі, на які області зображення має впливати кожне слово, кодують просторове розташування сцени. Коли ви регенеруєте зображення за допомогою дещо зміненого підказки, метод додає оригінальні карти уваги підказки до нового запуску. Заміна слова, скажімо, «велосипед» на «мотоцикл», змінює цей об’єкт, зберігаючи композицію та фон. Додавання слова привертає увагу лише до незмінених токенів, тому новий атрибут з’являється без перетасування всього. Ви також можете змінити увагу маркера, щоб посилити або послабити його ефект. Оскільки він не потребує тонкого налаштування чи масок, він став основоположним будівельним блоком для багатьох пізніших методів редагування, включаючи генерацію даних InstructPix2Pix.
Технічне розуміння
Під час усунення шуму перехресна увага обчислює для кожного токена просторову карту того, де він перебуває на зображенні. Prompt-to-Prompt копіює ці карти з оригінальної генерації в відредаговану для спільних токенів. Для заміни слів він відображає увагу між відповідними лексемами; для доданих слів він зберігає старі карти та дозволяє лише новим лексемам формувати нову увагу; перезважування просто масштабує значення уваги маркера, посилюючи або приглушуючи його візуальний вплив.
Освоєння редагування від підказки до перехресної уваги
Prompt-to-Prompt редагує згенероване зображення, налаштовуючи його текстову підказку, повторно використовуючи внутрішні карти уваги моделі, тому зміна одного слова змінює цей елемент, зберігаючи решту сцени недоторканою. Це редагування за допомогою слів, а не пікселів. Редагування підказки до підказки належить до робочих процесів комп’ютерного зору, які інтерпретують або генерують візуальні медіа для аналізу, операцій і творчості. Щоб досягти глибокого розуміння, розглядайте редагування перехресного підказки як робочу модель, а не як окрему функцію: визначте бажані результати, уточніть припущення та відокремте те, що система може зробити надійно, від того, що все ще вимагає експертної оцінки.
На практиці сильні команди, які використовують редагування між підказками, балансують точність із операційними реаліями, такими як якість даних, дисперсія освітлення та послідовність маркування. Вони документують чіткі критерії успіху, перевіряють реалістичні дані та робочі процеси та виконують ітерацію на основі спостережуваних моделей невдач, а не одноразових перемог у тестах. Саме тут теоретичне розуміння перетворюється на довготривалу здатність щодо продуктів, політики та операцій.
Візуальний штучний інтелект може автоматизувати масштабні завдання перевірки, виявлення та позначення тегами. У той же час права на зображення та згода можуть стати юридичними ризиками, якщо походження невідоме. Найбільш стійкий підхід полягає в поєднанні швидкості експериментів із дисципліною управління: запускайте пілотні проекти, збирайте докази, публікуйте журнали рішень і постійно оновлюйте запобіжні заходи в міру розвитку поведінки моделі, очікувань користувачів і нормативних вимог.
Стратегічний вплив
Візуальний штучний інтелект може автоматизувати масштабні завдання перевірки, виявлення та позначення тегами.
Візуальний штучний інтелект може автоматизувати масштабні завдання перевірки, виявлення та позначення тегами. У високоякісних розгортаннях це перетворюється на вимірювані правила роботи, межі власності та повторювані ритуали перевірки, щоб команди могли масштабувати впевненість замість масштабування неоднозначності.
Творчі групи можуть створювати прототипи концепцій швидше з меншою кількістю переглядів вручну.
Творчі групи можуть створювати прототипи концепцій швидше з меншою кількістю переглядів вручну. У високоякісних розгортаннях це перетворюється на вимірювані правила роботи, межі власності та повторювані ритуали перевірки, щоб команди могли масштабувати впевненість замість масштабування неоднозначності.
Операції можуть використовувати зображення та відеосигнали, які раніше було важко обробити.
Операції можуть використовувати зображення та відеосигнали, які раніше було важко обробити. У високоякісних розгортаннях це перетворюється на вимірювані правила роботи, межі власності та повторювані ритуали перевірки, щоб команди могли масштабувати впевненість замість масштабування неоднозначності.
Впровадження в реальному світі
Дизайнер змінює «червоний автомобіль на вулиці» на «синій автомобіль на вулиці» та зберігає той самий макет сцени.
Ілюстратор змінює вагу слова «сніжний», щоб зробити пейзаж все більш зимовим у різних варіантах.
Оповідач замінює «лева» на «тигра» у підказці, щоб зберегти ідентичну позу та фон для аркуша персонажа.
Дослідник використовує його для створення парних зображень до/після як тренувальних даних для редактора, що виконує інструкції.
Шаблони реалізації
Перехресне редагування уваги на практиці
Дизайнер змінює «червоний автомобіль на вулиці» на «синій автомобіль на вулиці» та зберігає той самий макет сцени.
Дизайнер змінює «червону машину на вулиці» на «синю машину на вулиці» та зберігає той самий макет сцени. Команди зазвичай отримують кращі результати, коли визначають порогові значення якості наперед, зберігають шлях ескалації людини для крайніх випадків і відстежують підвищення продуктивності та витрати на помилки з часом.
Перехресне редагування уваги на практиці
Ілюстратор змінює вагу слова «сніжний», щоб зробити пейзаж все більш зимовим у різних варіантах.
Ілюстратор змінює вагу слова «сніжний», щоб зробити пейзаж поступово більш зимовим у різних варіаціях. Команди зазвичай отримують кращі результати, коли визначають порогові значення якості наперед, зберігають шлях ескалації людини для крайніх випадків і відстежують підвищення продуктивності та витрати на помилки з часом.
Перехресне редагування уваги на практиці
Оповідач замінює «лева» на «тигра» у підказці, щоб зберегти ідентичну позу та фон для аркуша персонажа.
Оповідач змінює «лева» на «тигра» в підказці, щоб зберегти ідентичну позу та фон для аркуша персонажів. Команди зазвичай отримують кращі результати, коли вони визначають порогові значення якості наперед, зберігають шлях ескалації людини для крайніх випадків і відстежують підвищення продуктивності та витрати на помилки з часом.
Перехресне редагування уваги на практиці
Дослідник використовує його для створення парних зображень до/після як тренувальних даних для редактора, що виконує інструкції.
Дослідник використовує його для генерації парних зображень до/після як навчальні дані для редактора, який виконує інструкції. Команди зазвичай отримують кращі результати, коли вони визначають порогові значення якості наперед, зберігають шлях ескалації людини для крайніх випадків і відстежують підвищення продуктивності та витрати на помилки з часом.
Ризики та огорожі
Права на зображення та згода можуть стати юридичними ризиками, якщо походження невідоме.
Продуктивність моделі може відрізнятися залежно від освітлення, демографічних показників і середовища.
Помилкові спрацьовування можуть залишитися непоміченими, якщо не відстежувати пороги довіри.
Дорожня карта впровадження
Визначте критерії прийнятності для точності, відкликання та вартості помилок.
Визначте критерії прийнятності для точності, відкликання та вартості помилок. Розглядайте кожен крок як джерело доказів: якщо критерії не відповідають, призупиніть розгортання, закрийте прогалину й лише потім розширюйте використання.
Тестуйте з даними, які відповідають реальним умовам виробництва.
Тестуйте з даними, які відповідають реальним умовам виробництва. Розглядайте кожен крок як джерело доказів: якщо критерії не відповідають, призупиніть розгортання, закрийте прогалину й лише потім розширюйте використання.
Додайте перевірку людиною для прогнозів із низьким рівнем достовірності або високого впливу.
Додайте перевірку людиною для прогнозів із низьким рівнем достовірності або високого впливу. Розглядайте кожен крок як джерело доказів: якщо критерії не відповідають, призупиніть розгортання, закрийте прогалину й лише потім розширюйте використання.
Відстежуйте дрейф моделі та повторно перевіряйте після зміни камери або набору даних.
Відстежуйте дрейф моделі та повторно перевіряйте після зміни камери або набору даних. Розглядайте кожен крок як джерело доказів: якщо критерії не відповідають, призупиніть розгортання, закрийте прогалину й лише потім розширюйте використання.