Tehnološki gigant je na Google I/O 2024 događaju predstavio sljedeću generaciju svog AI modela za pretvaranje teksta u sliku, Imagen 3
Novi AI model Imagen 3 predstavljen je samo nekoliko mjeseci nakon lansiranja prethodnika Imagen 2, koji je izašao u decembru 2023. godine, a kasnije je nadograđen prošlog mjeseca. Kompanija je saopštila da novi model može da generiše detaljne fotorealistične slike uz pažljivo praćenje uputstva.
Imagen 3 je predstavio Douglas Eck, viši direktor istraživanja u Google DeepMind. Otkrivajući ga, rekao je: „Danas sam tako uzbuđen što predstavljam Imagen 3. To je naš najsposobniji model za generisanje slika do sada. Razumije upute napisane onako kako ljudi pišu. Što ste kreativniji i detaljniji, to bolje. Osim toga, ovo je naš najbolji model do sada za renderovanje teksta koji je bio izazov za modele generisanja slika.”
Rečeno je da je sposobnost AI modela da razumije upustva znatno poboljšana, što mu sada omogućava da pomno prati upustva kako bi uhvatio male detalje i stvorio vjernu sliku. Čini se da je ovo i uobičajeni smjer za većinu najava vezanih za vještačku inteligenciju tokom događaja, jer je većina AI modela sada sposobna bolje razumije upustva.
Google je dodao da će Imagen 3 biti dostupan u više verzija gdje je svaki model optimizovan za određenu vrstu zadatka koji može biti u rasponu od generisanja brzih skica do kreiranja slika visoke rezolucije.
Google je obučio AI model sa slikama koje sadrže detaljne opise u svojim naslovima, omogućavajući mu da uhvati još manje nijanse. Takođe može da generiše različite teksture i može da prikaže slike zasnovane na tekstu.
Vodeni žig
Svaka slika koju generiše Imagen 3 će sadržavati oznaku vodenog žiga SynthID-a. On ugrađuje digitalni vodeni žig direktno u piksele slike, čineći nemogućim uklanjanje putem izrezivanja, dijeljenja ili bilo kakvih izmjena na slici.
Očekuje se da će AI model stići u javnost u narednim mjesecima. Upravo sada, Google radi na dodavanju opcija za uređivanje i preslikavanje.
Imagen 3 je trenutno dostupan u privatnom pregledu unutar ImageFX-a za odabrane kreatore. Uskoro će biti dostupan poslovnim korisnicima tehnološkog giganta.
