Az érzelmek vizuális megjelenítése mindig is kihívást jelentett a művészeknek. Most, az AI-alapú képgenerálás korában, ez a folyamat új, izgalmas fordulatot vett. Mint digitális művész, aki rendszeresen dolgozik érzelemalapú projekteken, lenyűgözőnek találom, hogy az AI hogyan képes lefordítani az absztrakt érzéseket konkrét vizuális elemekké.

A hangulatalapú képgenerálás lényege, hogy érzelmi állapotokat, hangulatokat vagy atmoszférákat fordítunk le vizuális nyelvre. Az AI modellek, mint például a StyleGAN vagy a BigGAN, hatalmas adatbázisokból tanulnak, amelyek segítségével képesek megérteni az érzelmek és vizuális elemek közötti összetett kapcsolatokat.

Amikor egy projekten dolgozom, először megpróbálom pontosan megfogalmazni az érzelmet vagy hangulatot, amit ki szeretnék fejezni. Ez lehet olyan egyszerű, mint “melankólia” vagy olyan összetett, mint “a hajnali erdő csendes várakozása”. Az AI ezeket a leírásokat használja kiindulópontként, és a “style transfer” technika segítségével ötvözi őket különböző művészeti stílusokkal és vizuális elemekkel.

A “generatív adversarial network” (GAN) technológia kulcsszerepet játszik ebben a folyamatban. Ez lényegében két AI rendszer versenye: az egyik generálja a képeket, a másik pedig megpróbálja megkülönböztetni ezeket a valódi képektől. Ez a “verseny” eredményezi azokat a megdöbbentően realisztikus és érzelmileg telített képeket, amelyekkel dolgozom.

Az egyik legérdekesebb aspektusa ennek a technológiának, hogy képes olyan vizuális metaforákat és szimbolikát alkotni, amelyek egyetemesen rezonálnak az emberi pszichével. Például egy “szorongás” promptra az AI gyakran generál sötét, szűk tereket vagy kusza, egymásba fonódó vonalakat – olyan elemeket, amelyek intuitíven kapcsolódnak ehhez az érzéshez.

Természetesen ez a folyamat nem tökéletes. Az AI néha váratlan vagy irreleváns elemeket is beilleszt a képekbe (“halucinál”), ami viszont gyakran inspiráló félreértésekhez és új kreatív irányokhoz vezet. Ez emlékeztet arra, hogy az AI nem helyettesíti a művészi intuíciót, hanem kiegészíti azt.

A hangulatalapú képgenerálás forradalmasítja a vizuális történetmesélést és az érzelmi kommunikációt. Lehetővé teszi, hogy olyan komplex érzelmi állapotokat és atmoszférákat fejezzünk ki vizuálisan, amelyeket szavakkal nehéz lenne leírni. Ez az eszköz segít mélyebben megérteni az érzelmek és a vizualitás közötti kapcsolatot.

Végső soron a hangulatalapú képgenerálás egy izgalmas új terület, ahol a technológia és az emberi érzelmek találkoznak. Ez nem csak a művészet jövőjét formálja, de új utakat nyit meg az érzelmi kifejezés és kommunikáció számára is.

Neked mi a véleményed az érzelmi képgenerálásról?

Csatlakozz díjmentesen az első magyar AI közösséghez!
Kattints IDE

A március vége igen erősre sikerült a képgenerátorok tekintetében. Nyilván nem volt véletlen, de szinte egyszerre jött ki az Ideogram 3, a Dall-E 3 (ami igazán felkavarta az állóvizet), és két új szereplő is megjelent, akikkel számolni kell (Mage AI és a Reve AI). Ebben a postban most a Reve AI képgenerátort elemzem szubjektíve.

Elöljáróban annyit, hogy számomra nem hozta azt a bizsergető érzést, mint amit sokan emlegetnek, és azt sem nagyon tudom hova tenni, hogy mi ez a nagy hype mögötte, mégis vitatlahatlan, hogy egy picike kaliforniai startuphoz viszonyítva a végeredményt nézve ott van a nagyok sarkában.

Viszont azt is tudni kell, hogy mivel itt nincs sok beállítási lehetőség, ezért a promptba kell ezt részletesen megírnunk, ami kezdőknek talán nehézséget fog okozni. Ám aggodalomra semmi ok, már egy egyszerűbb leírással is elboldogul (természetesen angolul). Amúgy a Dall-E 3-nál sincs ilyen lehetőség, szóval ott is hasonló a helyzet.

Ami pozitívumként ért, hogy az alul lévő kis boxba ki tudjuk választani, hogy mennyi képet generáljon le, a képarányt, az enhance-t (legyen ON-ban és felturbózza a promptodat), és a seed-et is (ezt hagyd auto módban). Majd ha megvan a generált kép, és majdnem tökéletes, akkor az EDIT PROMPT résznél tudsz rajta finomítani.

A lenti 3 tesztképeknél azonos promptot használtam, különös figyelmet szentelve az ujjakra, a testtartásra, a tekintetre, az arcra, no és arra, hogy egy képre rakjon 4 változatot (ez pl a Mage-nek nem sikerült).

A mini tesztben szoros versenyben volt a Dall-E 3 generátorral. Az arcot tartotta mind a 4 változatnál, az ujjak is rendben vannak, nincs észrevehető extra torzítás, ami egyből szemet szúrna. A Dall-E hasonlóan jól szerepelt, a kettő között nekem az utóbbinál természetesebb a bőrszín, és a realisztikusabb modell (semmi diszkrimináció) tolta pozitív irányba a tesztet.

Azt meg kell hagyni, hogy a nyilván kisebb adatbázis ellenére amiből dolgozik, ez az eredmény dícsérendő.

Alap esetben napi 20 képet engedélyez freeben, de vásárolhatsz 5 dodóért 500 creditet, ami a többi generátorhoz képest aprópénz (MJ, Leonardo, stb. )

Próbáld ki és oszd meg velünk tapasztalatodat itt kommentben, vagy csatlakozz AI közösségünkhoz.

Ez is érdekelhet:

Az AI képgenerálás fejlődése az utóbbi években hatalmas léptekkel halad előre, és a fotorealisztikus képek létrehozása már nem csak valami földöntúli álom.
Azonban vajon milyen messzire jutottunk eddig a fotorealizmus terén? / És vajon hová tart ez a technológia?
A mesterséges intelligencia képes lesz-e teljes mértékben leutánozni a valóságot, és mi az, amit még nem tudunk vele elérni?

Természetesen a válaszok egy részét szubjektíve megosztjuk, de a technológia robbanásszerű fejlődése következtében megjósolhatatlan mikor és milyen módon fogja utolérni a mesterséges világ a valóságot (vagy már utol is érte…?)

Mi is az a fotorealizmus?

A fotorealizmus lényege, hogy a képek olyannyira részletgazdagok és élethűek legyenek, hogy szinte megkülönböztethetetlenek legyenek a valóságtól. Ez a művészeti irányzat az 1960-as években indult útjára, és azóta is meghatározó szereplője a vizuális művészeteknek. Az AI képgenerátorok pedig ezen a területen mostanra egészen lenyűgöző eredményeket értek el. De hogyan jutottunk el idáig?

A fotorealizmus az AI világában

A mesterséges intelligencia képes arra, hogy hatalmas adatbázisokat elemezzen, és ezek alapján újraalkossa a “valósághű” képeket. Az egyik legismertebb AI technológia, amely a fotorealizmus terén vezető szerepet játszik, a GAN (Generative Adversarial Network). A GAN rendszerek két különálló neurális hálózatból állnak: az egyik (a generátor) képeket hoz létre, míg a másik (a diszkriminátor) megpróbálja megállapítani, hogy a kép valódi vagy mesterséges. Ez a folyamatos verseny arra ösztönzi a generátort, hogy egyre valósághűbb képeket hozzon létre.

Az utóbbi években a GAN-alapú rendszerek hihetetlenül kifinomultak lettek. Gondoljunk csak az olyan alkalmazásokra, mint a DALL-E (ChatGPT része), Leonardo, Stable Diffusion, vagy a Midjourney (a sor végtelen), amelyek képesek néhány szó alapján hihetetlenül részletgazdag, fotorealisztikus képeket generálni. A fejlődés egyik kulcsa az, hogy a modellek egyre több adatot használnak fel, egyre nagyobb az adatbázis is, a felhasználói visszajelzésekből is tanulnak, és a képi elemzési technológiák egyre pontosabbak, kifinomultabbak lettek.

Milyen messzire jutottunk?

A fotorealizmus terén az MI már képes olyan képeket létrehozni, amelyek valódi fotóknak tűnnek. Egy egyszerű szöveges utasítással már ma is előállíthatunk olyan képeket, amelyek emberi szem számára szinte tökéletesek. Ezek a képek megfelelően kezelik a fényeket, árnyékokat, textúrákat, és még a legapróbb részletekben is kiemelkedően pontosak. Egy épület, egy emberi arc, vagy akár egy tájképnél a különböző színek és árnyalatok finom játékát is precízen visszaadja az MI.

Azonban vannak még kihívások bőven. Az emberi arcok fotorealisztikus generálása esetén például az MI gyakran hibázik, főleg, ha részleteket kell kidolgozni, mint például a haj vagy a bőr textúrái. Ezen kívül rendre sokszor hibáznak a generátorok a kézfej / láb méretében, és az ujjak számában, vagy a különösen bonyolult tárgyak, mint például a vízfelület visszatükröződése, illetve a fémes csillogás, még mindig nehezen kezelhetők. Szóval látszik az, hogy még van mit csiszolni a rendszeren, de a technológia fejlődésének sebessége alapján ezek a korlátok sem fognak sokáig fennállni.

Hová tartunk?

A jövő fotorealizmusa az MI segítségével egyre közelebb kerül ahhoz, hogy ne csak képeket, hanem mozgóképeket is valósághűen hozzunk létre. Gondolj csak bele: egy napon elképzelhető lesz, hogy az MI képes lesz olyan filmeket készíteni, amelyek teljesen valóságosnak tűnnek, de valójában teljes egészében gépek hozták létre. Kezdetleges verziók már most is vannak, és már létezik MI által generált videóklipp is (ami azért még nem tökéletes), illetve egyes programok már képesek álló képből kreálni rövid mozgóképet, ami fantasztikus látvány és a tudat, hogy rövid időn belül szinte minden megvalósítható lesz…

Továbbá a real-time rendering (valós idejű renderelés) területén is nagy fejlődés várható, ami azt jelenti, hogy az AI képes lesz valós időben fotorealisztikus jeleneteket generálni, akár virtuális valóság (VR) környezetben is. Ez óriási hatással lehet majd az iparra, hiszen egyre több területen lesz alkalmazható az ilyen típusú tartalom: játékokban, filmekben, reklámokban, és természetesen a művészetben is.

AI a fotorealisztikus művészetben

Az AI fotorealizmus nem csak a technológiai világot forradalmasítja, hanem a művészetet is. Egyre több művész használ AI-t alkotásaiban, hogy valósághű képeket hozzon létre, vagy éppen meghökkentően életszerű kompozíciókat alkosson. Az AI képes arra, hogy a művészi folyamat részévé váljon, és új perspektívákat adjon a vizuális művészeteknek.

Gondoljunk csak bele: egy művész, aki korábban órákig dolgozott egy fotorealisztikus festmény elkészítésén, most egy AI segítségével, akár percek alatt képes lehet ugyanolyan minőségű alkotást létrehozni, vagy segítve a művészt egyes részletek kidolgozására, arra, hogy már előre lássa milyen lesz a kész mű.

Amikor egy mesterséges intelligencia létrehoz egy képet, az algoritmus számos paraméter alapján dolgozik, amelyek lehetővé teszik számára, hogy bizonyos művészeti stílusokat utánozzon. De vajon ez ténylegesen „alkotásnak” számít?

Az emberi művészetben az érzelmek, az egyéni látásmód és az intuíció nagy szerepet játszanak. Az AI képtelen érzelmeket átélni, és egyedi kifejezésmóddal rendelkezni, ezért sokak szerint soha nem lesz képes valódi műalkotásokat létrehozni.

Mi teszi a generatív AI-t különlegessé?

A generatív AI-k egyik legérdekesebb tulajdonsága, hogy folyamatosan tanulnak és fejlődnek. A GAN technológia például lehetővé teszi, hogy az AI képes legyen új képeket generálni, miközben azokat egy másik algoritmus folyamatosan értékeli és javítja. Ez az önálló fejlődési folyamat teszi lehetővé, hogy az AI által létrehozott képek egyre kifinomultabbak és összetettebbek legyenek.

Az AI képes a művészeti stílusok keverésére is, új és izgalmas vizuális világokat létrehozva. Egyes AI modellek már arra is képesek, hogy híres festők stílusában alkossanak új műveket, mint például Van Gogh vagy Monet, ami felveti a kérdést: ezek az új alkotások ugyanúgy tekinthetők-e művészetnek, mint az ember által készített eredeti festmények?

Természetesen a válasz határozottan NEM, és e mellé párosul a még szabályozatlan jogi háttér, ami egy sor kérdést vet fel a szerzői és személyiségi jogot terén (képtől függően).

A generatív AI és az emberi alkotók közötti különbség

A legnagyobb különbség a generatív AI és az emberi alkotók között az érzelmek hiánya. Az AI-k algoritmusok alapján dolgoznak, és bár képesek lenyűgöző képeket létrehozni, ezek az alkotások nem tükrözik a létrehozó érzelmi világát. Az emberi művészet évezredeken át az érzelmi kifejezés egyik legerősebb eszköze volt, és ezt az AI soha nem fogja tudni pótolni.

Ugyanakkor érdemes megemlíteni, hogy a generatív AI-k újfajta kifejezési formát hoznak létre. Ezek az algoritmusok képesek olyan kombinációkat létrehozni, amelyeket az emberi alkotók talán soha nem képzeltek volna el. Ez egyfajta „mesterséges kreativitás”, amely új utakat nyit a művészetben, és lehetőséget ad arra, hogy újraértelmezzük, mit is jelent az alkotás.

Te mit gondolsz erről? Írd meg nekünk, és mutasd meg saját AI alkotásodat.
Regisztrálj Magyarország első MI közösségi platformjára.