Microsoft AI: MAI-Image-2.5

Microsoft AI MAI-Image-2.5 yra bendro generavimo ir valdomo redagavimo 2.5 vaizdų šeimos versija. Modelio kortelė aprašo difuzijos modelį, naudojantį srauto derinimą, su 20 milijardų parametrų, neįskaitant įterpinių, teksto ir vaizdo įvestimi bei 32K žetonų kontekstu. Jis pateikia vaizdus koncepcijoms, portretams, produktų vaizdams, iliustracijoms ir esamų dizainų pataisoms. Naudingas pradinis pasirinkimas – ar užduočiai reikia naujos kompozicijos, ar konkretaus pakeitimo faile, kuriame jau yra numatytas objektas.

Generavimui aprašykite pagrindinį objektą, vaizdinį stilių, šviesą, žiūros tašką ir išdėstymą. Gamintojas pabrėžia detalius, vientisus vaizdus, teksto atvaizdavimą, produktų vaizdus ir užklausos laikymąsi. Praktiška pristatymo iliustracijos užduotis gali nurodyti objekto vaidmenį, norimą vaizdinį akcentą ir aplinkinės erdvės kiekį. Produkto koncepcija gali įtraukti medžiagą, mastelį ir paviršiaus apdailą. Aprašymą išlaikykite vientisą, kad daiktai dalytųsi viena scena bei vienu apšvietimo planu, užuot derinę kelias nesuderinamas vaizdines stilistikas.

Šios versijos vaizdinis samprotavimas susijęs su scenos struktūra, apšvietimu, masteliu ir erdviniais ryšiais. Gamintojas kaip redagavimo naudojimą pateikia daikto pridėjimą su tinkama perspektyva bei šešėliais. Dirbtuvių pataisai pastatykite mažą taburetę prie darbastalio, išlaikydami esamą žiūros tašką ir šviesą. Peržiūra turi palyginti taburetės dydį, sąlyčio su grindimis vietą ir tai, ar šešėlis seka kitus daiktus. Vietoje įtikinamas daiktas vis tiek turi derėti prie viso pradinio vaizdo geometrijos.

Kryptingos pataisos apima daiktų pašalinimą arba pakeitimą, savybių keitimą, sričių perpiešimą, maketo pritaikymą, teksto atnaujinimus ir valymą, pavyzdžiui, judesio suliejimo artefaktų mažinimą. Pateikite pradinį vaizdą ir įvardykite korekciją bei išsaugotinas detales. Kryptinga nuotraukos pataisa gali pašalinti dėmesį blaškantį daiktą iš fono, išlaikydama žmogų, iškirpimą ir priekinio plano išdėstymą. Dizaino pataisa gali atnaujinti trumpą teksto eilutę, išlaikydama kompoziciją. Visą rezultatą lyginkite su šaltiniu, užuot vertinę tik redaguotą sritį.

Microsoft taip pat pabrėžia veido tapatumo nuoseklumą tarp pataisų, įskaitant pozos, išraiškos arba žiūros taško pokyčius. Panašumui naudokite aiškų orientyrą ir norimą pakeitimą nurodykite taip, kad būtų išsaugotos atpažinimo savybės. Dabartinis gamintojo redagavimo vadovas priima iki penkių JPEG arba PNG vaizdų, leisdamas skirtingais orientyrais nurodyti žmogų, daiktą, sceną ar stilių. Užklausoje įvardykite tuos vaidmenis. Portreto pataisoje prieš laikydami vaizdą užbaigtu tikrinkite veidą ir pakeistą aprangą arba foną.

Konkreti modelio kortelė išvestį apriboja 1 048 576 bendrais pikseliais, lygiaverčiais 1024×1024 kvadratui, ir leidžia vienai kraštinei viršyti 1024, jei bendras plotas lieka šiose ribose. Aptarnavimo vadovas papildomai reikalauja bent 768 pikselių abiem matmenims. Stačiakampis tikslas, toks kaip 1344×768, turi 1 032 192 pikselius ir atitinka dokumentuotas ploto bei minimalių matmenų taisykles. Naudinga riba yra pločio ir aukščio sandauga, todėl paskirties formą paruoškite prieš prašydami horizontalios ar vertikalios kompozicijos.

Generavimas ir redagavimas gamintojo aptarnavimo sąsajoje grąžina PNG vaizdo duomenis. Modelio kortelė praneša 32K žetonų kontekstą, o ta sąsaja nurodo daugiausia 32 000 žetonų užklausos kontekstą. Atskiras katalogo 4 096 išvesties žetonų skaičius yra žetonų limitas, o ne išvesties matmuo. Tvarkydami išsamią užklausą ir užbaigtą vaizdą išlaikykite šias nurodytas taikymo sritis. Pradiniai failai, išsaugotinos savybės, prašytos pataisos ir tikslinis dydis sudaro naudingą pataisos įrašą šalia PNG.

Kūrybinis modelio diapazonas apima fotorealistinius ir kinematografinius vaizdus, portretus, produktų ar prekės ženklo koncepcijas, dizainus su tekstu ir kitus vaizdinius stilius. Etiketei arba iškabai pateikite tikslų tekstą ir tikrinkite rašybą galutiniu rodymo dydžiu. Atpažįstamame fotografiniame paviršiuje vis tiek gali būti išgalvotų detalių, nenuoseklus atspindys arba netikslūs užrašai. Praktiška patikra seka dizaino reikalavimus: svarbūs daikto tapatumas, įskaitomumas, erdviniai ryšiai ir išsaugota scena. Konkrečią pataisą atskirkite nuo jau pavykusių pakeitimų.

2.5 šeimoje Pro pabrėžia aukštesnę atitiktį ir stabilius ryšius tankiose scenose, o Flash skirtas greičiau reaguojančiai gamybai. 2.6 šeima įveda didesnį dokumentuotą pikselių ploto limitą, pasirenkamą rėmimąsi interneto informacija ir modelio valdomą santykio pasirinkimą. Standartinis 2.5 išlaiko savą generavimo bei redagavimo eigą be tų vėlesnių valdiklių. Versiją rinkitės pagal sudėtingą tikrosios vaizdo užduoties dalį ir užbaigtą rezultatą tikrinkite pagal tą užduotį.