Generování obrázků podle AI: omezení je více, než si možná myslíte

Umělá inteligence není dokonalá

Panuje představa, že stačí popsat motiv jen několika slovy a AI generátor obrázků okamžitě vytvoří úchvatný obrázek, který zastíní jakoukoliv skutečnou fotografii. Na první pohled vznikají opravdu působivé obrázky. Ale druhý pohled rychle odhalí, že tato díla často působí nahodile a jen zřídkakdy přesně odpovídají popsanému zadání a představám. Často procházím obrázky uživatelů AI generátoru Midjourney a jsem vždy ohromen, jak málo mají výsledné obrázky společného se zadáními.

Pro mnoho obecných účelů a jako náhrada za fotobanky to může stačit – nějaký libovolný les jako pozadí pro webovou stránku? Žádný problém. Ale když je potřeba zcela konkrétní obrázek nebo přesný požadavek klienta, AI velmi rychle narazí na své limity. Čím konkrétnější představa, tím obtížnější je její realizace.

Přesné umístění nebo prostorové uspořádání motivů je prakticky nemožné. Také popis předmětu do nejmenších detailů je velkou výzvou. Do zadání mohu zahrnout základní tvar a barvu košile, stejně jako několik dalších informací o délce a stylu. Ale přesný tvar límce, přesné rozmístění knoflíků, popis různých košil pro více osob? Nemožné.

Vylepšování obrázků

Pokud zadám prompt „modrá krátká business košile“, vznikne směs všech modrých krátkých košil do práce, na kterých byla umělá inteligence trénována. I s dodatečnými detaily zůstává výsledek většinou kompromisem. K tomu se přidává skutečnost, že obrazová AI se může naučit pouze to, jak motiv vypadá, ne čím je. Nemůže tedy posoudit, zda je prst v generované pozici realistický, protože zná pouze vzhled, nikoli funkci.

Chyby lze často opravit v několika iteracích pomocí takzvaného inpaintingu – při němž se znovu generují pouze označené oblasti obrázku – a k promptu mohu přidat vlastní fotografii jako vzor motivu. Ve Stable Diffusion mohu dokonce trénovat své vlastní modely. Ale to vše je velmi náročné a dosahuje sotva více než odhadem 70 až 80 % mé konkrétní představy, v detailech určitě ještě mnohem méně.

Pro konkrétní nápady na obrázky se AI skvěle hodí k vytváření moodboardů (vizualizace toho, jak bude budoucí návrh vypadat) a diskutování základního směru a kompozice se zákazníkem. Ale i pro tyto moodboardy je potřeba hluboké porozumění AI programům i obrazové tvorbě.

Pár slovy to určitě nelze vyřešit. A pro dokonalou realizaci i speciálních přání je stále potřeba, alespoň částečně, fotografie. Málokterý zákazník se spokojí se 70 až 80 %. A než bude umělá inteligence skutečně schopna s přijatelným úsilím dosáhnout 100 %, uplyne ještě nějaký čas – pokud toho vůbec kdy dosáhne.

Zdroj: časopis Chip, prosinec 2024