Elias manşetlerin arkasındaki araştırmaları sade bir dille açıklar.
Prompt yazımı, stiller ve yapay zekâ görsel üretiminden en iyi şekilde yararlanma üzerine adım adım rehberler.
Rehberleri okuBir arkadaşını seç ve bu haber hakkındaki görüşünü öğren
Yapay zeka üretimi yemek görselleri restoran menülerinde ve marka kampanyalarında yayılıyor — ve aynı spesifik şekillerde yanlış görünmeye devam ediyorlar: solucan benzeri erişte ve sıva gibi okunan dondurmadan tutun.
The Verge'ün yapay zeka yemek görsellerine derinlemesine bakışı tutarlı bir korku hikayesi katalogluyor: donut dokulu karides, çürüyor gibi görünen Reuben sandviçleri, tek solucan benzeri kütlelere kaynaşan erişte ve ıslak kil yüzey gerilimine sahip hamur işleri. Bunlar rastgele hatalar değil. Difüzyon modellerinin — piksel alanını yinelemeli olarak gürültüden arındırarak görüntü üreten yapay zeka sınıfının — yemeğin nasıl göründüğünü öğrenme şeklinden kaynaklanıyor.
Difüzyon modelleri webden kazınmış devasa görüntü veri setleri üzerinde eğitiliyor. Webdeki yemek fotoğrafçılığı ağırlıklı olarak idealleştirilmiş stok görüntülere kayıyor: aşırı doygun, ağır retüşlü ve genellikle kompozit. Model bu görüntülerin istatistiksel ortalamasını öğreniyor, bir eriştenin şeklini nasıl koruduğunun veya dondurmانın stüdyo ışıkları altında nasıl eridiğinin fiziğini değil. Sonuç, makul bir renk paletine ulaşan ama malzeme mantığında başarısız olan çıktılar — model karidesın belirli bir şeffaflığa sahip olması gerektiğini veya bir kruvasanın katmanlarının belirli bir şekilde ayrılması gerektiğini bilmiyor.
Çapraz kontaminasyon sorunu bunu daha da kötüleştiriyor. Eğitim setlerindeki yemek görüntüleri genellikle gevşek etiketlendiği için, modelin «kremsi» veya «lifli» iç temsili kategoriler arası sızabilir. Bu yüzden ıslak kağıt gibi lifli görünen tavuk veya inşaat köpüğü yüzey özelliklerine sahip dondurma elde ediyorsunuz.
Yaratıcılar için iyi haber, bu başarısızlık modlarının çoğunun model iyileştirmelerini beklemeden ipucu seviyesinde ele alınabilir olması.
Tek en etkili ayarlama referans spesifikliği. «Bir kase ramen» için ipucu vermek yerine, bölgesel stili («Hakata tonkotsu ramen»), et suyu opaklığını («bulanık domuz kemiği et suyu») ve erişte kalınlığını («ince düz erişte, sert doku») belirtin. Modeller, eğitim verisinin gerçekten içerdiği gerçek bir mutfak geleneğine dayanan ipuçlarıyla, uyumsuz örnekler arasında ortalaması alınan genel bir kategoriden daha iyi performans gösteriyor.
Gerçek yemek fotoğrafçılığından ödünç alınan aydınlatma tanımlayıcıları — «dağınık tepeden softbox, solda hafif gölge» — modelin tutarlı görsel referansı olmayan «profesyonel» veya «iştah açıcı» gibi belirsiz terimlerden daha iyi performans gösteriyor.
Negatif ipuçları burada diğer görüntü kategorilerinden daha fazla önemli. «Gerçeküstü,» «parlak,» «eriyen,» «aşırı doygun» ve «plastik» doku tanımlayıcılarını açıkça hariç tutmak en yaygın yapaylık türlerini kesiyor. Üreticiniz ağırlıklı ipucu vermeyi destekliyorsa, «mükemmel» yemek görselliği kavramının ağırlığını azaltmak (modelin soruna neden olan aşırı retüşlü stok fotoğraflarla ilişkilendirdiği) çıktıları daha doğalcı sonuçlara çekebilir.
Stil referansları da yardımcı oluyor. Belirli bir mutfağın belgesel fotoğrafçılığının estetiğine yönlendirmek — Japon yemek dergisi fotoğrafçılığının çoğu eğitim setinde iyi temsil edilen, belirgin bir stili var — modele örneklem alacağı daha dar bir dağılım veriyor.
Charmloop'un görüntü üreticisinde yemekle ilgili karakterler veya sahneler oluşturan yaratıcılar için aynı ilkeler geçerli: yemek öğelerini soyut yemek kategorileri yerine spesifik, adlandırılmış yemeklere ve gerçek mutfak bağlamlarına dayandırın. Kılavuzlar bölümü spesifiklik ve negatif ipucu vermeyi daha derinlemesine kapsayan daha geniş ipucu verme tekniği açıklamalarına sahip.
Temel model sorunu — malzeme fiziğini yakalamayan eğitim verisi — daha zor bir düzeltme ve bireysel yaratıcıların kontrol edemeyeceği veri seti ve mimari seviyesinde değişiklikler gerektiren bir sorun. Ancak ipucu seviyesindeki geçici çözümler gerçek ve bugün kullanılabilir, bu da kök nedeni anlamanın çabaya değer kılan şey.
