University of Rochester ve NVIDIA, yapay zeka ile görüntü üretimini piksel düzeyinde kontrol edebilme yeteneği sunan yeni bir model geliştirdi.
Piksel Düzeyinde Kontrol İmkânı
Geliştirilen model, kullanıcıların görüntüler üzerinde hassas değişiklikler yapmasına olanak tanırken, diğer detayların istenmeden etkilenmesini önlüyor. Piksel alanı difüzyon modeli, mevcut en ileri düzey görüntü üretim araçlarını destekleyen gizli alan modelleri ile neredeyse aynı performansı sergiliyor.
Gizli Alan Modellerinin Sınırlamaları
Birçok modern yapay zeka görüntü üreticisi, kavramları temel ayrıntılarına sıkıştırarak hızlı ve verimli bir şekilde görüntü oluşturma yeteneğine sahiptir. Ancak bu yöntem, kullanıcıların belirli görüntü kısımlarını kolayca kontrol etmesini zorlaştırıyor. University of Rochester’dan Mühendislik Profesörü Jiebo Luo, “Gizli alan kullanımı hesaplamayı azaltıyor, ancak bireysel pikselleri ayarlamakta kayıplar yaşanıyor” diyor.
PixelDiT ve PixelDiT2 Modelleri
Luo ve ekibi, gizli alan yerine piksel alanına dayanan PixelDiT adını verdikleri bir modeli geliştirdi. Bu model, kullanıcıların bir görüntüdeki belirli bölgeleri, örneğin bir kişinin yüzündeki gözlük piksellerini düzeltmelerine olanak tanıyor. Takım, daha güçlü bir model olan PixelDiT2’yi geliştirerek, piksel alanı difüzyonunu etkili bir şekilde uyguladı ve bireysel pikseller üzerinde kontrol sağladı.
Video Üretiminde Yeni Hedefler
PixelDiT2, bu Aralık ayında Neural Information Processing Systems konferansında tanıtılacak. Luo ve ekibi, şimdi daha zorlu bir sorun olan video üretimine odaklanıyor. Luo, “Video, çerçeveler arasında pürüzsüz geçişler sağlamak gibi zorluklar içeriyor; aksi takdirde insan gözü için komik görünür” diyor. Ancak PixelDiT2 ile elde ettikleri ilerlemeler sayesinde, piksel alanında video üretimini gerçekleştirme konusunda güçlü bir konumda olduklarını belirtiyor.
