Sber pievienoja Kandinska neironu tīklam ģeneratīvās aizpildīšanas analogu no Photoshop

Sber iepazīstināja ar lielu Kandinska ģeneratīvā neironu tīkla atjauninājumu. Līdz ar Kandinsky 3.0 atjauninājumu ilustrāciju ģenerēšana ir ievērojami uzlabojusies, un jaunais Kandinsky Video ir pirmais Krievijas neironu tīkls, kas izveido video.

Sāksim ar Kandinsky 3.0. Galvenais jauninājums salīdzinājumā ar versiju 2.2 bija uzlabota vaicājumu atpazīšana: ģenerēšana tagad precīzāk atbilst rūpnieciskajiem datiem, nezaudējot kvalitāti. Turklāt izpratnes kvalitāte vaicājumiem par pašmāju kultūras koda tēmu - padomju un krievu filmu un karikatūru varoņi - ir eksponenciāli palielinājusies. Atšķirība bija skaidri redzama vaicājumos ar Čeburašku un brauniju Kuzja:

Viņi arī parādīja salīdzinājumu ar vecākām Kandinsky versijām un citiem populāriem modeļiem - Midjourney (parakstīts kā MJv.52), Stable Diffusion XL (SDXL) un DALL-E 3. Šeit ir vaicājuma “skaista meitene” paaudzes rezultāti:

Šis ir "vīrietis ar bārdu":

Un tas ir “Barbie and Ken Go Shopping”:

Vēl viens jauninājums bija Inpainting un Outpainting režīmi - iespēja "ievietot" jaunu objektu esošajā attēlā vai pabeigt to (atgādina ģeneratīvais pildījums programmā Photoshop). Šeit ir apdares piemērs:

Un šie ir objekta pievienošanas piemēri.

Jūs varat izmēģināt neironu tīklu platformā Fusion Brain, oficiālajā Telegrammas robots vai "Saskarsmē ar».

Kandinsky Video ļauj izveidot nelielas animācijas, pamatojoties uz teksta pieprasījumu - līdz 8 sekundēm ar frekvenci aptuveni 30 kadri sekundē un izšķirtspēju līdz 512 pikseļiem lielākajā pusē. Augstumu un platumu var iestatīt lietotājs.

Video izveide ir pieejama beta režīmā Fusion Brain, A Telegrammas robots Pagaidām piedāvā tikai reģistrēties gaidīšanas sarakstā.