Мая проганяє через бенчмарки кожен новий реліз — спершу цифри, жодного хайпу.
Надихнула ця історія? Перетвори ідею на власне ШІ-мистецтво за лічені секунди — безкоштовний старт, без банківської картки.
Почати безкоштовноОбери компаньйона і дізнайся його думку про цю історію
ШІ-фотографія їжі масово з'являється в меню ресторанів, і клієнти відкидають її майже інстинктивно — реакція, яка оголює структурне обмеження сучасних генераторів зображень, що має значення далеко за межами харчової індустрії.
Основна проблема — не роздільна здатність і не реалізм: сучасні генератори зображень можуть відтворювати їжу з роздільною здатністю, що перевищує професійну фотографію. Проблема в тому, що кожна модель, навчена на інтернет-зображеннях, успадковує одну й ту саму викривлену вибірку: бібліотеки стокових фото, зйомки для кулінарних журналів і рекламні кампанії брендів. Ці джерела поділяють вузьку естетику — драматичне бічне освітлення, екстремальний макрофокус на текстурі, кольори, підсилені понад те, що будь-яка реальна кухня виробляє.
Коли власник ресторану просить модель згенерувати «миску рамену», він отримує платонічний ідеал рамену, визначений десятьма тисячами стокових фото, а не конкретну миску, яку насправді готує його шеф-кухар. Результат технічно вражаючий і одразу впізнається як штучний, бо жодна реальна страва ніколи не виглядає настільки однорідно. Дискомфорт клієнтів не є ірраціональним — це розпізнавання образів, що працює правильно.
«Клієнти вісцерально відчувають, що з їжею щось не так.»
— TechCrunch
Автори, які намагалися подолати це, знають це розчарування. Додавання дескрипторів на кшталт «недосконале», «природне освітлення», «рустикальне» або «необроблене» підштовхує результати в правильному напрямку, але рідко дозволяє вирватися з гравітаційного тяжіння навчального розподілу. Пріор моделі сильний. Промпт для «злегка зів'ялого салату з нерівномірною заправкою» все одно дає щось, що виглядає як матеріал для редакційної зйомки ресторану Michelin.
Це та сама динаміка, яка змушує контент, згенерований ШІ, відчуватися синтетичним у масштабі — гомогенізація є не багом окремої моделі, а особливістю того, як великі генеративні моделі стискають візуальну культуру. Виправлення вимагає або дообробки на специфічних для домену даних (реальна ресторанна фотографія з її недосконалостями), або робочих процесів із референсними зображеннями, які прив'язують результат до реальної фотографії конкретної страви.
Для авторів ШІ-арту випадок провалу з меню ресторанів є корисним діагностичним інструментом. Якщо ваші результати зводяться до єдиної естетики — незалежно від того, наскільки різноманітні ваші промпти — ви, швидше за все, досягаєте тієї самої стелі навчального розподілу. Кілька конкретних підходів, які допомагають:
Референсні зображення перевершують описові прикметники. Робочі процеси image-to-image або style-reference дають моделі реальний якір поза її навчальним пріором. Завантаження реальної фотографії страви та прохання до моделі перевисвітлити або перекомпонувати її дає більш правдоподібні результати, ніж промптинг з нуля.
Дооброблені моделі перевершують базові для нішевої естетики. LoRA або чекпоінт, навчений на конкретному стилі їжі — скажімо, страви ідзакаї, зняті на плівку — надійніше виходить за межі стокового пріору, ніж будь-який промпт, застосований до базової моделі. Перегляд каталогу моделей Charmloop у пошуку дооброблених моделей для конкретного домену — швидший шлях, ніж ітерація промптів, коли базова модель вам протидіє.
Фотореалізм — хибна ціль. Ресторани, яким найкраще вдається ШІ-зображення, — це ті, що роблять ставку на стилізований, ілюстративний вигляд, а не намагаються видати рендери за реальну фотографію. Клієнти приймають малюнок; вони відкидають підроблену фотографію. Зміна творчої мети — замість спроб зробити підроблену фотографію переконливішою — повністю обходить зону моторошної долини.
Генератор зображень Charmloop підтримує як введення референсних зображень, так і робочі процеси перенесення стилю — це два найбільш прямі технічні шляхи навколо проблеми однаковості для авторів, яким потрібні результати для конкретного домену.
Для ресторанної індустрії короткострокова відповідь, мабуть, полягає в гібридному підході: ШІ для ідеації та макетування, реальна фотографія для фінального меню. Для авторів ШІ-арту урок гостріший — правдоподібність є функцією специфічності, а специфічність вимагає або реальних референсних даних, або моделі, навченої на них.
