Sber přidal analog generativní výplně z Photoshopu do Kandinského neuronové sítě

Sber představil velkou aktualizaci Kandinského generativní neuronové sítě. S aktualizací na Kandinsky 3.0 se výrazně zlepšilo generování ilustrací a nové Kandinsky Video je první ruskou neuronovou sítí, která vytváří videa.

Začněme s Kandinsky 3.0. Hlavní inovací oproti verzi 2.2 bylo vylepšené rozpoznávání dotazů: generování nyní přesněji odpovídá průmyslovým datům bez obětování kvality. Navíc se exponenciálně zvýšila kvalita porozumění dotazům na téma domácího kulturního kódu – hrdinů sovětských a ruských filmů a kreslených filmů. Rozdíl se jasně ukázal v dotazech s Cheburashkou a sušenkou Kuzyou:

Ukázali také srovnání se staršími verzemi Kandinsky a dalšími oblíbenými modely - Midjourney (podepsaný jako MJv.52), Stable Diffusion XL (SDXL) a DALL-E 3. Zde jsou výsledky generování pro dotaz „krásná dívka“:

Toto je „muž s plnovousem“:

A toto je „Barbie a Ken jdou nakupovat“:

Další novinkou byly režimy Inpainting a Outpainting - možnost „napasovat“ nový objekt do existujícího obrázku nebo jej dotvořit (připomínající generativní výplň ve Photoshopu). Zde je příklad dokončení:

A to jsou příklady přidání objektu.

Na platformě si můžete vyzkoušet neuronovou síť Fusion Brain, v oficiálním Telegramový robot nebo "V kontaktu s».

Kandinsky Video umožňuje vytvářet malé animace na základě textového požadavku - do 8 sekund s frekvencí asi 30 snímků za sekundu a rozlišením až 512 pixelů na větší straně. Výšku a šířku může nastavit uživatel.

Vytváření videa je k dispozici v režimu beta Fusion Brain, A Telegramový robot Zatím nabízí pouze přihlášení do pořadníku.