Ettersom profesjonell fotografering er kostbart, blant annet i form av dyktige fotografer, erfarne stylister, rekvisitter, utstyr og studiooppsett, foreslo Innowise å utvikle en ny løsning for å eliminere behovet for manuelt arbeid.
Prosjektteamet vårt valgte StableDiffusionXL og GPT-3.5 for å generere bilder av høy kvalitet fra tekstmeldinger. Først samlet vi inn foreldrebilder som referanse og brukte LoRA (low-rank adaptation of large language models) til å generere realistiske bilder. Deretter skapte vi et brukervennlig tekst-til-bilde-grensesnitt for interaksjon med modellen.
AI bruker LLM- og NLP-teknikker for å forstå tekstforespørselen og forstå innholdet, konteksten og nyansene i forespørselen. Deretter tolker den funksjonene som beskrives i teksten, for eksempel objekter, farger, teksturer og romlige forhold, for å skape virkelige bilder basert på korrelasjoner mellom tekstbeskrivelser og visuelle elementer. Hvis sluttresultatet ikke oppfyller forventningene, forbedrer vi kontinuerlig AI-modellen basert på tilbakemeldinger og resultater for å oppnå tilfredsstillende resultater.
Vi oppnådde følgende resultater etter at ML-spesialistene våre hadde finjustert arbeidsflyten for bildegenerering basert på instruksjonene.
Eksempel 1: "Biff med garnityr, ovenfra og ned, naturlig lys, på en glatt tallerken, enkelt og elegant, tatt som et bilde med Canon EOS R og 50 mm-objektiv på en helt hvit bakgrunn med myke skygger, 8k-oppløsning, ekte tekstur og detaljert bilde, høy vinkel."
Eksempel 2: "Makrofotografi med nærbilde av en velsmakende lasagne med lag av perfekt kokte nudler, smakfullt kjøttdeig og en blanding av tre klissete, smeltede oster. Tilsett en hjemmelaget tomatsaus, kjøttsaus og en kremet blanding av ricotta, mozzarella og parmesan. Lag sausen med tomatpuré, vann, sukker, basilikumblader, fennikelfrø, italiensk krydder, salt, pepper og fersk persille. Bruk et Canon EOS 5D Mark IV og et Canon EF 100mm f/ 2. 8L Macro IS USM-objektiv til å fange de mange lagene og livlige fargene i denne italienske retten. Belys scenen med varmt, mykt lys for å fremheve rettens trøstende karakter."
