Koska ammattimainen valokuvaus aiheuttaa kalliita kustannuksia, kuten ammattitaitoisia valokuvaajia, kokeneita stylistejä, rekvisiittaa, laitteita ja studiolaitteita, Innowise ehdotti uudenlaisen ratkaisun kehittämistä käsityön tarpeen poistamiseksi.
Projektiryhmämme valitsi StableDiffusionXL ja GPT-3.5 tuottaa korkealaatuisia kuvia tekstikehotuksista. Aluksi keräsimme vanhempien kuvia viitteiksi ja käytimme LoRA:ta (low-rank adaptation of large language models) realististen kuvien luomiseen. Seuraavaksi loimme käyttäjäystävällisen tekstistä kuvaan -käyttöliittymän, jonka avulla mallin kanssa voi olla vuorovaikutuksessa.
AI käyttää LLM- ja NLP-tekniikoita tekstikehotuksen ymmärtämiseen ja ymmärtää pyynnön sisällön, asiayhteyden ja hienovaraisuudet. Sitten se tulkitsee tekstissä kuvatut ominaisuudet, kuten esineet, värit, tekstuurit ja tilasuhteet, luodakseen todellisia kuvia, jotka perustuvat tekstikuvausten ja visuaalisten elementtien välisiin korrelaatioihin. Jos lopputulos ei vastaa odotuksia, AI-mallia hiotaan jatkuvasti palautteen ja suorituskyvyn perusteella tyydyttävien tulosten saavuttamiseksi.
Saavutimme seuraavat tulokset, kun ML-asiantuntijamme hienosäätivät kuvien tuottamisen työnkulun kehotusten perusteella.
Esimerkki 1: "Pihvi lisukkeineen, ylhäältä alaspäin, luonnonvalo, sileällä lautasella, yksinkertainen ja tyylikäs, otettu kuin valokuva, joka on otettu Canon EOS R:llä ja 50mm objektiivilla täysin valkoisella taustalla pehmeällä varjolla, 8k-resoluutio, todellinen rakenne ja yksityiskohtainen valokuva, korkea kuvakulma."
Esimerkki 2: "Makrokuvaus lähikuvassa suussa sulavasta lasagnesta, jossa on kerroksittain täydellisesti kypsennettyjä nuudeleita, suolaista jauhelihaa ja kolmen tahmean, sulaneen juuston sekoitusta. Lisää kotitekoinen tomaatti- ja lihakastike sekä kermainen sekoitus ricottaa, mozzarellaa ja parmesaania. Tee kastike käyttämällä tomaattimurskaa, vettä, sokeria, basilikan lehtiä, fenkolinsiemeniä, italialaisia mausteita, suolaa, pippuria ja tuoretta persiljaa. Käytä Canon EOS 5D Mark IV -kameraa ja Canon EF 100mm f/2. 8L Macro IS USM -objektiivia tämän herkullisen italialaisen ruokalajin monimutkaisten kerrosten ja eloisien värien kuvaamiseen. Valaise kohtaus lämpimällä, pehmeällä valaistuksella korostaaksesi ruokalajin lohdullista luonnetta."
