Da professionel fotografering er forbundet med dyre udgifter, herunder dygtige fotografer, erfarne stylister, rekvisitter, udstyr og studieopsætninger, foreslog Innowise at udvikle en ny løsning for at eliminere behovet for manuelt arbejde.
Vores projektteam valgte StabilDiffusionXLog GPT-3.5 til at generere billeder af høj kvalitet ud fra tekstprompter. I første omgang indsamlede vi forældrefotos som reference og brugte LoRA (low-rank adaptation of large language models) til at generere realistiske billeder. Dernæst skabte vi en brugervenlig tekst-til-billede-grænseflade til at interagere med modellen.
AI bruger LLM- og NLP-teknikker til at forstå tekstprompten og forstå anmodningens indhold, kontekst og finesser. Derefter fortolker den de funktioner, der er beskrevet i teksten, såsom objekter, farver, teksturer og rumlige forhold, for at skabe billeder fra det virkelige liv baseret på sammenhænge mellem tekstbeskrivelser og visuelle elementer. Hvis det endelige resultat ikke lever op til forventningerne, forbedrer vi løbende AI-modellen baseret på feedback og resultater for at opnå tilfredsstillende resultater.
Vi opnåede følgende resultater, da vores ML-specialister finjusterede billedgenereringsworkflowet baseret på anvisningerne.
Eksempel 1: "Bøf med garniture, oppefra og ned, naturligt lys, på en glat tallerken, enkelt og elegant, fanget som et foto taget med et Canon EOS R og 50 mm objektiv på en helt hvid baggrund med bløde skygger, 8k-opløsning, ægte tekstur og detaljeret foto, høj vinkel."
Eksempel 2: "Makrofotografering af mundvandsfremkaldende lasagne med lag af perfekt kogte nudler, velsmagende hakket oksekød og en blanding af tre klæbrige, smeltede oste. Tilsæt en hjemmelavet tomat- og kødsauce og en cremet blanding af ricotta, mozzarella og parmesan. Lav saucen med tomatpuré, vand, sukker, basilikumblade, fennikelfrø, italiensk krydderi, salt, peber og frisk persille. Brug et Canon EOS 5D Mark IV og et Canon EF 100mm f/ 2. 8L Macro IS USM-objektiv til at indfange denne lækre italienske ret med dens komplicerede lag og levende farver. Belys scenen med varm, blød belysning for at fremhæve rettens trøstende karakter."
