ym104432846
Вставьте ссылку на видео из Youtube, Rutube, VK видео
Задайте вопрос по видео
Что вас интересует?
00:00:15
Аналогия художников и стилей генерации изображений:
  • Разные художники изображают одного персонажа по-разному, сохраняя узнаваемость, но меняя визуальные приёмы
  • Пример художников Майк Миньола и Габриэля Ба, работающих над комиксами Хеллбой
00:01:33
Нейросети и стилизация изображений:
  • Нейросети обученные на стиле Майка Миньолы создают изображения, похожие на его стиль
  • Принцип обучения нейросетей важен для дальнейшего использования и модификации
00:02:03
Обучение и адаптация моделей:
  • Модели обучены на разных наборах данных, позволяя получить различные результаты
  • Возможность дообучения нейросети на собственных произведениях пользователя для получения уникального стиля
  • Основной костяк модели остается неизменным, добавляются только индивидуальные стилевые элементы
00:03:04
Расширение и сужение набора данных:
  • Возможности расширения и сужения набора данных для обучения моделей
  • Эксперимент с использованием датасета логотипов метал-групп для создания необычных пейзажей и портретов
  • Получение новых визуальных приёмов благодаря обучению на нестандартных наборах данных
00:04:37
Применение моделей для специализированных задач:
  • Возможность обучения моделей на техническом материале, например, чертежах электронных плат
  • Создание сложных инфраструктур для решения специализированных задач
0: Далее следует поговорить про в целом. Набор инструментов, который нам доступен для того, чтобы было проще работать, например, с сольной стилизацией или
1: Доработкой инструментария под нужную вам конкретно стилизацию. В целом самая такая простая аналогия с, на которой можно понять вообще, в чем отличие от тех или иных моделей генерации изображения, это когда одног
2: Того же персонажа изображают разные художники. То есть здесь вот как хороший пример можно посмотреть на, например, персонажей комиксов, когда там у вас много десятилетий, совершенно разные люди рисуют 1 и того же персонажа. То есть персонаж остаётся узнаваемый, но при этом набор каких-то визуальных
3: Приёмов, он будет разный от художника к художнику, при том что даже если по каким-то параметрам можно это отделить как художников, похожих друг на друга, все равно, да, какие-то отличия мы с вами увидим на эту тему. Был очень такой забавный момент.
4: Что есть художник, раз комиксов майкл миньола известен тем, что, например, придумал хеллбоя, и у него очень такой свой узнаваемый, характерный визуальный стиль, при этом есть ещё 1 художник бриель ба.
5: Габриэль ба очень много работал с майклом Миньо, для него он много рисовал как бы для его комиксов, где он выступал чисто автором, и у них стили между собой похожие. И, но при этом, как бы, да, все равно там люди, которые разбираются, они могут отличить где 1, где другой как бы художни.
6: Делал работу просто в этом был очень забавный момент, когда нейросети там на периоде раннем генерации изображений просили создавать изображения в стиле майка миньона изображения получались очень похожи в still.
7: То есть, по большому счёту, оно создавало как раз человека, который пытается воссоздать стиль другого человека. Таким образом, вот этот принцип, он очень полезный для понимания дальнейшей работы со всем этим делом. Все
8: А модели как раз строится, как упоминалось чуть ранее, на том, что они обучаются на очень разном наборе данных. И если мы управляем этим самым набором данных, на которых оно обучается, оно как раз может давать нам сильно разный результат в этом плане, это
9: Вероятно, как бы гибкая вещь, особенно с точки зрения, если нам с вами нужно конкретные изображения, например, генерировать в более узком стиле, например, если вы сами делаете некие изображения, то есть вы самостоятельно руками умеете создавать какую-то графику, например,
10: Картины или фотографии и так далее. То есть любой какой-то визуальный контент, соответственно, потенциально вы можете взять на своих же произведениях, дообучить нейросеть, чтобы она перенимала какие-то ваши специфичные особенности, но при этом, да, основной весь как бы
11: Костяк, на котором строится модель, он будет какой-то другой. То есть в целом навык строить изображение университи будет уже от другой какой-то модели и вы сверху докладываете уже, например, какие-то стилевые элементы, характерные лично вам. И тем самым вы в дальнейшем можете генерировать изображение
12: Которые максимально похожи на то, что вы делаете при этом сама вот эта доработка моделей, она может быть, во первых, как за счёт расширения, например, обучения базы, так и наоборот, за счёт её
13: Резкого сужения. То есть, к примеру, вы можете обучать на 1 типе изображений модель, чтобы получать другой тип из личного опыта. Был очень забавный эксперимент, когда для обучения модели использовался датасет.
14: Вещи из логотипов металлических групп, а там очень характерный такой жанр. Он такой, очень все в веточках и закорючках, и кляксах, скажем так. Вот, и на таком визуальном образе модель обучилась, а дальше и модель уже заставляли генерировать изображении
15: Просто любые пейзажи, портреты людей и так далее. И получается очень интересный и достаточно как бы новый визуальный язык в этом просто за счёт того, что как бы мы модель обучили на какой-то вещи, допустим, нехарактерной для конечного результата, тем самым получив какой-то
16: Новый набор визуальных Приёмов и вот это очень широкое поле для экспериментов. Поэтому если такие задачи стоят, то набор инструментарий, который во всем этим может помочь, он постоянно улучшается. Опять же возникает некий специфичный набор. Про это попозже поговорим, но
17: В целом, вот это разнообразие, которое уже есть и которое мы с вами можем создать различных моделей, оно открывает прям огромный диапазон, да, для решения различных визуальных задач здесь. Причём, помимо просто стилевых решений могут быть какие-то и совсем
18: Специфичный, например, вы можете обучать модель на изображениях, например, графиков и ещё каких-то там технических изображений, чтобы получать в дальнейшем новые технические изображения. То есть вы можете обучить модель, не знаю, на примере чертежей.
19: Электронных плат, чтобы она лучше генерировала изображения, похожие на электронные платы. И вот эта связка, она позволяет нам строить в дальнейшем очень сложные инфраструктуры для решения.