Đảo ngược văn bản
Textual Inversion dạy cho trình tạo hình ảnh một khái niệm hoàn toàn mới—chẳng hạn như một con mèo, phong cách nghệ thuật hoặc sản phẩm cụ thể—bằng cách học một từ mới duy nhất cho nó mà không cần thay đổi mô hình.
Tổng quan
It lets you put your own subject into AI art using just 3-5 example photos.
Lặn sâu
Đảo ngược văn bản, được các nhà nghiên cứu giới thiệu vào năm 2022, giải quyết vấn đề cá nhân hóa: làm thế nào để bạn yêu cầu một mô hình như Stable Diffusion vẽ con chó *của bạn*, khi chỉ có 'con chó' sẽ không bắt được nó? Thay vì đào tạo lại mạng lưới thần kinh khổng lồ, nó sẽ đóng băng toàn bộ mô hình và học một điều: nhúng 'từ giả' mới—một vectơ duy nhất trong từ vựng của bộ mã hóa văn bản, thường được viết là S*. Bạn cung cấp cho nó 3-5 hình ảnh về khái niệm và tính năng tối ưu hóa sẽ thúc đẩy một vectơ đó cho đến khi mô hình tái tạo chủ đề một cách đáng tin cậy khi bạn nhập từ mới. Vì chỉ học được một vectơ (vài kilobyte) nên kết quả rất nhỏ và có thể chia sẻ được. Sau đó, bạn có thể viết lời nhắc như 'S* cưỡi ván trượt, vẽ tranh sơn dầu' và khái niệm này sẽ xuất hiện trong các ngữ cảnh mới.
Hiểu biết kỹ thuật
Bí quyết là các mô hình chuyển văn bản thành hình ảnh sẽ chuyển đổi từng từ thành một vectơ nhúng trước khi tạo. Đảo ngược văn bản thêm một vectơ mới vào bảng nhúng đó và chỉ tối ưu hóa nó, sử dụng cùng mức giảm nhiễu khuếch tán trên các hình ảnh ví dụ của bạn. Độ dốc quay trở lại phần nhúng trong khi tất cả trọng lượng mô hình vẫn cố định. Kết quả là một vectơ nhỏ gọn (vài KB) tồn tại trong không gian từ vựng hiện có của mô hình—không có trọng số thay đổi, do đó mô hình cơ sở giữ lại tất cả kiến thức trước đó của nó.
Tác động chiến lược
Tốc độ và tỷ lệ
Visual AI có thể tự động hóa các nhiệm vụ kiểm tra, phát hiện và gắn thẻ trên quy mô lớn.
Xây dựng lựa chọn
Các nhóm sáng tạo có thể tạo nguyên mẫu nhanh hơn với ít sửa đổi thủ công hơn.
Nhóm và quy trình làm việc
Các hoạt động có thể sử dụng tín hiệu hình ảnh và video mà trước đây khó xử lý.
Tương lai của sự đảo ngược văn bản
Đảo ngược văn bản vẫn phổ biến vì kích thước tệp nhỏ và khả năng chia sẻ của nó, đồng thời cộng đồng nguồn mở giao dịch hàng nghìn nội dung nhúng này. Các hướng đi trong tương lai kết hợp nó với các phương pháp khác—xếp chồng nhiều từ đã học để có cảnh phong phú hơn, kết hợp nó với LoRA hoặc DreamBooth để có độ trung thực sắc nét hơn và mở rộng ý tưởng sang trình tạo video và 3D. Mong đợi 'thư viện khái niệm' nơi người dùng trộn và kết hợp các mã thông báo đã học, cộng với khả năng đảo ngược nhanh hơn, gần như ngay lập tức để quá trình cá nhân hóa diễn ra trong vài giây thay vì vài phút.
Triển khai trong thế giới thực
Một nghệ sĩ tìm hiểu một mã thông báo cho phong cách minh họa đặc trưng của họ, sau đó đưa nó vào hàng tá cảnh mới để có một danh mục nhất quán.
Một người nuôi thú cưng tải lên năm bức ảnh về con chó của họ để tạo ra nó như một phi hành gia, một bức tranh thời Phục hưng hoặc một phim hoạt hình.
Một thương hiệu thương mại điện tử nhỏ học một từ cho sản phẩm của mình để có thể hiển thị sản phẩm đó trong nhiều nền tảng tiếp thị mà không cần chụp ảnh.
Studio trò chơi ghi lại hình dáng của một nhân vật định kỳ như một mã thông báo có thể tái sử dụng để giữ cho hình ảnh ý tưởng nhất quán trong toàn nhóm.
Rủi ro & lan can
Quyền và sự đồng ý về hình ảnh có thể trở thành rủi ro pháp lý nếu nguồn gốc xuất xứ không rõ ràng.
Hiệu suất của mô hình có thể khác nhau tùy theo ánh sáng, nhân khẩu học và môi trường.
Kết quả dương tính giả có thể không được chú ý trừ khi ngưỡng tin cậy được theo dõi.
Lộ trình thực hiện
Xác định tiêu chí chấp nhận về độ chính xác, thu hồi và chi phí lỗi.
Kiểm tra với dữ liệu phù hợp với điều kiện sản xuất thực tế.
Thêm đánh giá của con người đối với những dự đoán có độ tin cậy thấp hoặc tác động cao.
Theo dõi sự trôi dạt của mô hình và xác nhận lại sau khi thay đổi máy ảnh hoặc tập dữ liệu.
Tiếp tục khám phá
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 Textual Inversion 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
Hướng dẫn tiếp theo
Đảo ngược văn bản rỗng
Câu hỏi thường gặp
What is Textual Inversion?
Textual Inversion dạy cho trình tạo hình ảnh một khái niệm hoàn toàn mới—chẳng hạn như một con mèo, phong cách nghệ thuật hoặc sản phẩm cụ thể—bằng cách học một từ mới duy nhất cho nó mà không cần thay đổi mô hình. Nó cho phép bạn đưa chủ đề của riêng mình vào tác phẩm nghệ thuật AI chỉ bằng 3-5 ảnh mẫu.
Chính xác thì Textual Inversion học được gì trong quá trình đào tạo?
Nó chỉ tối ưu hóa một vectơ nhúng từ giả mới trong khi giữ nguyên toàn bộ mô hình.
Textual Inversion thường cần khoảng bao nhiêu hình ảnh mẫu?
Một số ít, thường là 3-5 hình ảnh về khái niệm này, là đủ để tìm hiểu một mã thông báo có thể sử dụng được.
Tại sao các tệp Đảo ngược văn bản lại nhỏ như vậy (thường là vài kilobyte)?
Chỉ một vectơ nhúng duy nhất được lưu, do đó tệp rất nhỏ và dễ chia sẻ.
Điều gì không thay đổi trong quá trình đào tạo Đảo ngược văn bản?
Mô hình cơ sở bị đóng băng; chỉ phần nhúng mới được cập nhật, do đó kiến thức trước đó được giữ nguyên.
Bạn sử dụng khái niệm đã học sau khi đảo ngược văn bản như thế nào?
Bạn chỉ cần đưa mã thông báo mới (như S*) vào lời nhắc văn bản thông thường để gợi ra khái niệm.