Sber lisas Kandinsky närvivõrku generatiivse täitmise analoogi Photoshopist

Sber esitas Kandinsky generatiivse närvivõrgu olulise värskenduse. Kandinsky 3.0 värskendusega on illustratsioonide genereerimine oluliselt paranenud ja uus Kandinsky Video on esimene Venemaa närvivõrk, mis videoid loob.

Alustame Kandinsky 3.0-st. Peamine uuendus võrreldes versiooniga 2.2 oli täiustatud päringutuvastus: genereerimine vastab nüüd täpsemalt tööstusandmetele, ilma et kvaliteet ohverdaks. Lisaks on plahvatuslikult tõusnud kodumaise kultuurikoodi – nõukogude ja vene filmide ja koomiksite kangelaste – teemaliste päringute mõistmise kvaliteet. Erinevus ilmnes selgelt Cheburashka ja brownie Kuzya päringutes:

Samuti näitasid nad võrdlust Kandinsky vanemate versioonidega ja teiste populaarsete mudelitega – Midjourney (allkirjastatud kui MJv.52), Stable Diffusion XL (SDXL) ja DALL-E 3. Siin on generatsiooni tulemused päringule "ilus tüdruk":

See on "habemega mees":

Ja see on "Barbie ja Ken lähevad ostlema":

Teiseks uuenduseks olid režiimid Inpainting ja Outpainting – võimalus uus objekt olemasolevasse pilti “sobitada” või täiendada (meenutab generatiivne täitmine Photoshopis). Siin on näide viimistlusest:

Ja need on näited objekti lisamisest.

Närvivõrku saate proovida platvormil Fusion Brain, ametlikus Telegrami robot või "Kokkupuutel».

Kandinsky Video võimaldab tekstipäringu alusel luua väikeseid animatsioone – kuni 8 sekundit sagedusega umbes 30 kaadrit sekundis ja eraldusvõimega kuni 512 pikslit suuremal küljel. Kõrguse ja laiuse saab kasutaja ise määrata.

Video loomine on saadaval beetarežiimis Fusion Brain, A Telegrami robot Praegu pakub see ainult ootenimekirja registreerumist.