[00:02] которое бы хорошо смотрелось на этой поверхности при обеих ориентациях этих извилистых квадратов?  Я получил электронное письмо от Даниэля Генга и одновременно личное сообщение в Discord от Райана Бургерта.  Оба они нашли подходящие изображения, созданные с помощью генеративного искусственного интеллекта.  Введите текстовую
[00:15] подсказку, и вы получите изображение, например, Midjourney или Stable Diffusion. Оказалось, что Дэниел и Райан работали над проблемой создания оптических иллюзий с помощью генеративного ИИ, разбирая модели на части и экспериментируя
[00:29] с их внутренними механизмами.  И то, что они придумали, идеально подходило для решения задачи с перекрученными квадратиками.  Но я понял, что на самом деле не понимаю, как работает стандартная генерация изображений из текста в речь. Таким образом, обе модели используют диффузионные модели, что
[00:42] является передовым подходом в этой области .  Райан использует метод стабильной диффузии, о котором вы, возможно, слышали .  И это просто невероятно, насколько хорошо это работает.  Таким образом, когда вы задаете Stable Diffusion текстовую подсказку, например, «красный
[00:55] кролик в синей шляпе-цилиндре», программа начинает с изображения чистого шума, а затем пытается определить, какой шум следует удалить.  Иными словами, какие пиксели нужно скорректировать, чтобы в итоге получить изображение, обладающее всеми характеристиками
[01:07] вектора, предоставленного моделью обрезки.  Но это происходит не за один шаг. Иными словами, первая попытка получилась несколько размытой, серой и плоской.  Шум заглушает детали.  Или, в случае модели диффузии, практически не имеющей
[01:21] подходящих признаков, она выдаст изображение, похожее на среднее значение всех изображений, удовлетворяющих вашему запросу. Иными словами, размытое пятно.  Затем вы берете это изображение и добавляете, скажем, 90% шума обратно, после чего просите модель предсказать,
[01:36] сколько шума вы добавили в этот раз.  А после того, как вы отбросите это предположение, изображение станет немного чётче.  Это происходит потому, что изображение уже имеет некоторую крупномасштабную структуру, и этот уменьшенный шум, наложенный поверх, может начать
[01:50] смещать его в сторону большей детализации в отдельных местах .  Затем вы повторяете это с 80% шума, потом с 70%, затем с 60%, и так далее до нуля, и в итоге получаете четкое изображение.  Итак, вот как текстовая подсказка превращается в изображение, но,
[02:02] зная, что этот процесс происходит постепенно, шаг за шагом, к четкому изображению, вы можете немного повеселиться.  Они запрашивают у модели диффузии изображение пингвина, скажем, но ставят её на паузу после первой попытки.  Затем вас просят
[02:16] показать, скажем, фотографию жирафа, и ставят игру на паузу после первой попытки.  Итак, у них есть размытое изображение, приближающееся к пингвину, и размытое изображение, приближающееся к... Затем они переворачивают изображение жирафа и объединяют их,
[02:29] Это объединённое изображение становится входными данными для следующего шага как задачи генерации пингвинов, так и задачи генерации жирафов.  И вот, постепенно изображение превращается в нечто, напоминающее пингвина в одном ракурсе
[02:45] и жирафа в другом.  Как здорово! Метод Райана отлично справляется с использованием прозрачных материалов.  Ну разве они не крутые?  Некоторые работают в нескольких cool are these? Some work in several orientations.