Лучшие нейросети для создания картинок по описанию

1,9K

За последнее время появляется все больше и больше онлайн сервисов с искусственным интеллектом, которые способны создавать изображения по текстовым запросам.

Они вполне успешно способны визуализировать ваши идеи и концепты в считанные секунды, но их выбор достаточно велик. В этой статье мы рассмотрим несколько популярных нейросетей для генерации изображений и сравним все их плюсы и минусы.

Про нейросети

Нейросети работают по принципу человеческого мозга. Они следуют строго заданным алгоритмам и формулам составляя порядок действий исходя из предыдущего опыта, Искусственный интеллект получает и анализирует вводные данные и выстраивает оптимальный процесс для выполнения поставленных задач. Подобные действия требуют больших технических мощностей, и на текущий момент они достаточно ресурсоемкие.

Уже сейчас нейросети способны распознавать и заменять лица, диагностировать болезни на основе вводных данных, синтезировать голос, выполнять роль голосовых помощников, создавать изображения или предоставлять относительно достоверные ответы на заданные вопросы. В последнее время нейросети находят применение в музыке, создании сценариев для фильмов, написании стихов или визуализации проектов.

Что касается генераторов изображений, то они способны создавать простые и сложные пейзажи, объекты и 3D модели даже при ограниченном текстовом запросе. Однако полученные результаты можно с легкостью дополнять добавляя новые ключевые подсказки.

DALL-E 2

DALL-E был разработан компанией OpenAI в 2021 году. Эта нейросеть способна создавать изображение по текстовым запросам. Она основана на модифицированной модели GPT-3, которая способна распознавать текст и совмещать его с визуальными параметрами.

Вторая версия DALL-E 2 была запущена для пользователей в 2022 году и она получила возросшее качество получаемых изображений. Но пока что DALL-E 2 еще не совершенен. Несмотря на то, что эта нейросеть успешно генерирует пейзажи и объекты, она не умеет работать с текстом и не всегда правильно работает с лицами людей.

Воспользоваться генератором изображений можно на официальном сайте DALL·E 2. Регистрация абсолютно бесплатна, но пользователям дается ограниченное количество “кредитов” для генерирования изображений. 115 кредитов предлагают купить за $15, но у владельцев российских банковских карт могут возникнуть трудности при оплате.

Плюсы:

• Генерирует несколько примеров на основе запроса
• Быстрая обработка и модификация параметров
• Запросы выводятся в высоком качестве
• Можно загрузить свое изображение

Минусы:

• Количество запросов ограничено платными кредитами
• Работает только с англоязычными ключевыми словами
• Плохо распознает лица и мелкие детали

RuDALL-E

RuDall-E – российский аналог нейросети созданный при содействии команд Sber AI и SberCloud. Эта нейронная сеть работает по тому же принципу, как и DALL-E 2, но поддерживает несколько дополнительных генеративных моделей. За основу взята стандартная модель DALL-E, которую затем модифицировали и перевели на русский язык.

Эта модель успешно справляется с простыми текстовыми запросами на русском или другом языке при помощи новейшей сети – Kandinsky 2.0. Она способна генерировать красочные изображения на различные темы по текстовому запросу на разных языках.

Следующая модель – Malevich (XL) создает изображения на общую тематику. В основном эта модель подходит для создания уникальных пейзажей или объектов, которые не встречаются в реальном мире.

Последняя модель – Emojich поможет создать уникальные эмодзи по текстовым запросам. Их можно использовать в дальнейшем в качестве стикеров или прототипов дизайна.

Однако результаты некоторых генеративных моделей оставляют желать лучшего – в некоторых местах картинка может быть чересчур размазанной, а где-то нарушена форма объекта.

Опробовать данный сервис можно на официальном сайте Russian DALL-E. Проект не требует регистрации пользователей и не имеет платной бизнес-модели. На сайте также имеется собственная галерея работ для ознакомления с каждым модулем.

Плюсы:

• Сервис полностью бесплатный
• Поддержка запросов на русском языке
• Множество арт-стилей для генерации
• Несколько генеративных моделей для разных задач

Минусы:

• Выдает только один результат
• Обработка некоторых запросов может занимать до 30 минут
• Не умеет работать с лицами и искажает многие объекты

GLIDE

Еще один проект от OpenAI – GLIDE. Эта генеративная модель схожа по производительности с DALL-E, но ее можно применять в основном для изменения существующих изображений. Нейросеть умеет дополнять изображения новыми объектами поверх текущей картинки, а также добавлять тени, отражения или другие спецэффекты.

GLIDE также способен превращать примитивные рисунки в фотореалистичные фотографии. На текущий момент у данной модели отсутствует сайт, через который бы можно было генерировать изображения, но она находится в открытом доступе и любой может опробовать эту технологию самостоятельно.

Исходный код этой генеративной модели можно скачать из GitHub.

Плюсы:

• Создание фотореалистичных изображений
• Высокая скорость обработки
• Умеет дополнять изображения новыми деталями

Минусы:

• Сложность в установке и использовании
• Нет веб-интерфейса
• Финальный результат зависит от качества изображения и мелких деталей

Midjourney

Midjourney – Проект от независимой исследовательской компании, который способен создавать фотореалистичные изображения, красочных персонажей и фентезийные миры в высоком разрешении. На текущий момент Midjourney является самой успешной нейросетью, которая пользуется колоссальным спросом среди художников, дизайнеров и обычных пользователей.

Midjourney пока не имеет веб-интерфейса и работает исключительно через официальный Discord сервер. Сам сайт компании ограничен лишь документацией и инструкцией по использованию.

Пользователи могут отправлять текстовые запросы на английском языке Discord боту и затем получать на выходе четыре пре-рендера результатов. За этим процессом можно наблюдать прямо в окне переписки, и видеть результаты запросов от других пользователей. На готовые результаты можно также ставить оценку через эмодзи.

После отправки запроса и некоторого ожидания, пользователь может выбрать наилучший вариант и получить финальный результат в высоком качестве.

Midjourney работает по подписочной модели. Регистрация осуществляется через Discord аккаунт. Новым пользователям доступна ознакомительная версия, в которой время на генерирование изображений ограничено 25 минутами. По истечению 25 минут, пользователь не сможет отправлять новые запросы боту. Платная версия стоит от $10 до $60 и включает в себя дополнительное время отправку запросов через личные сообщения.

Плюсы:

• Создание красочных изображений превосходного качества
• Прямое взаимодействие с ботом через Discord
• Четыре результата на выбор

Минусы:

• Нет веб-интерфейса
• Текстовые запросы только на английском языке
• Триал версия ограничена 25 минутами – требуется подписка для продолжения работы

GauGAN 2