Mastering AI Art: Stručný průvodce střední cestou a rychlým inženýrstvím

Úvod do umění generovaného umělou inteligencí MidJourney

Umělá inteligence rychle prolamuje bariéry nemožnosti a v poslední době vtrhla do oblasti umění a zcela ji proměnila. Nyní nemusíte být mistrem umělcem nebo odborníkem na Photoshop, abyste oživili výplody své fantazie. Jednoduchá, dobře formulovaná výzva je vše, co potřebujete, díky Střední cesta.

Všechno to začalo představením převratných technologií jako DALL-E, Midjourney a StableDiffusion v roce 2022. Zatímco každá z těchto inovací přinesla na plátno generativní umělé inteligence svůj osobitý dotek, Midjourney, zejména, pokračovala ve své poutavé cestě pozoruhodné kroky.

Midjourney je v současnosti předním generátorem umělé inteligence s vysokým rozlišením textu na obrázek na trhu a stojí na špičce díky své jedinečné kombinaci generování textu na obrázek, úprav a upscalingu médií a aktivního přístupu umělecké komunity, to vše již od 10 USD za kus. Měsíc. Tato komplexní sada funkcí představuje vzrušující plátno pro umělce, technologické nadšence i profesionály AI a vytváří prostředí pro kreativitu a inovace.

Svět umění si toho určitě všímá, přičemž se předpokládá, že generativní umělá inteligence na trhu s uměním bude svědkem ohromujícího růstu 40.5% CAGR. Midjourney je bezkonkurenční ve vytváření nejrealističtějších a nejkvalitnějších vizuálů pomocí AI.

Efektivní rychlé inženýrství přesahuje pouhé vytváření; zahrnuje osvědčené postupy. Výzvy by měly nabízet srozumitelnost a být stručné, ale přesto by AI měly poskytovat dostatečné vodítko bez nadměrného předpisu. Během návrhu je také třeba vzít v úvahu cílové publikum, přičemž je třeba vzít v úvahu proměnné, jako je mimo jiné věk, pohlaví a kulturní zázemí.

Jak MidJourney funguje?

Mid-Journey využívá dvě nové technologie strojového učení – velké jazykové a difúzní modely. Jazykový model, podobný chatbotům s umělou inteligencí, jako je ChatGPT, pomáhá Mid-Journey interpretovat význam vašich výzev a převádět je na vektory. Tento vektor pak řídí proces difúze.

Vnitřní fungování Midjourney je z velké části neodhaleno. Nicméně je evidentní, že využívá generování textu na obrázek ze dvou relativně nových technologií strojového učení: velkých jazykových modelů a difúzních modelů. První jmenovaný je možná známý uživatelům platforem AI, jako je ChatGPT, a druhý je slibným přírůstkem do sektoru generování umění AI. Celý systém se opírá o CLIP datový soubor pro školení, který lze nalézt na výzkumné stránce OpenAI.

Navzdory omezeným informacím je možné načrtnout široký obrázek Midjourney's difuzní model, příhodně nazvaný 'Stable Diffusion'. Stable Diffusion je v podstatě model s otevřeným zdrojovým kódem, který obratně převádí textové výzvy na obrázky různých stylů a obsahu. Tohoto sofistikovaného postupu je dosaženo prostřednictvím modelu difúze, generativního modelu, který přemosťuje závislosti mezi textovými vstupy a obrazovými výstupy.

Difúzní modely jsou založeny na metodě odšumovací difúze, což je přístup ovlivněný nerovnovážnou termodynamikou. Tato metoda systematicky rozkládá strukturu dat a později je obnovuje. Tento přístup byl upraven pro generování obrazu Ho et al. v roce 2020, což vedlo ke vzniku modelů difúze, které vidíme dnes.

Tréninkové difúzní modely zahrnují dvě primární fáze. Zpočátku dopředný nebo difúzní proces zahrnuje postupné přidávání náhodného šumu do vstupního obrazu, dokud se zcela nezmění v šum. Tento proces je řízen pevným Markovovým řetězcem, který konzistentně přidává Gaussův šum v několika po sobě jdoucích krocích.

Následně v reverzní nebo rekonstrukční fázi model obnoví původní data ze stavu s dominancí šumu dosaženého v procesu difúze. Tento proces je řízen Markovovým řetězcem s naučenými gaussovskými přechody, z čehož vyplývá, že předpověď hustoty pravděpodobnosti v jakémkoli daném čase závisí pouze na stavu dosaženém v předchozím časovém kroku. Vzhledem k tomu, že latentní „x1, …, xT“ sdílejí stejnou dimenzi jako data, jsou difúzní modely klasifikovány jako modely latentních proměnných.

Cena a předplatné uprostřed cesty

Zatímco mnoho chatbotů jako ChatGPT a Bing Chat nabízí téměř neomezené použití zdarma, scénář se liší pro generátory obrázků, jako je Mid-Journey. Vzhledem k značnému požadovanému výpočetnímu výkonu, zejména od grafických procesorových jednotek (GPU) a využití video paměti pro proces potlačení šumu, přichází služba Mid-Journey s cenovka.

Základní plán začíná od 10 $ měsíčně, poskytuje přibližně 3.3 hodiny času GPU, což stačí na přibližně 200 generací obrazu. Existují však plány vyšší třídy, které nabízejí neomezené obrázky v uvolněném režimu, i když s delší čekací dobou.

Nastavení vaší střední cesty

1. počínaje MidJourney zahrnuje registraci na jejich oficiálních stránkách, přihlášení k odběru plánu a následné přesměrování na Discord.
2. Jakmile najdete kanál Mid-Journey Svár, přejděte na levé straně na Skupiny nováčků. Odtud můžete pozorovat ostatní uživatele, kteří vytvářejí výzvy, učit se mechanismy Mid-Journey a komunikovat v rušném prostředí.
3. Až se seznámíte s prostředím, pozvěte robota na svůj soukromý server, aby nerušeně vytvářel obrázky. Robot vygeneruje čtyři náhledové obrázky na základě vaší výzvy, což vám umožní vybrat nejbližší shodu s vaším původním nápadem a obrázek dále upřesnit.

Rychlá struktura pro Midjourney

1. Příkaz /imagine na discord kanálu uvnitř kanálu Midjourney generuje jedinečný obrázek z krátkého textového popisu (výzva).
2. Chcete-li znovu vytvořit specifický styl pro různé obrázky, jednoduše zadejte adresu URL obrázku vedle textové výzvy. Vaše nové konzistentní výstupy sloučí prvky z vybraného obrázku i textu.
   /imagine http://link-to-your-image –parametr1 –parametr2
   Odkaz na svůj obrázek můžete vygenerovat jeho nahráním na kanál Discord. Po nahrání klikněte pravým tlačítkem na obrázek a vyberte 'Kopírovat odkaz'.
   Zde http://link-to-your-image a parametry jsou volitelné.
3. Poté začne robot pracovat na vašem obrázku, přičemž mu zabere přibližně minutu, než nabídne čtyři alternativy. Tento proces zahrnuje použití robustních grafických procesorových jednotek (GPU) ke zpracování a interpretaci každé výzvy.
4. Sledujte využití GPU pomocí příkazu /info. Umožňuje vám zkontrolovat „Fast Time Remaining“ a sledovat GPU čas vašeho předplatného.

Upscaling a změny obrazu

Chcete-li obraz vylepšit, použijte tlačítka „U“ pod obrázky, abyste upravili svůj preferovaný výběr. Pro úpravy konkrétních snímků můžete také použít tlačítka „V“. Chcete-li provést další změny ve zvětšeném obrázku, použijte možnosti 'Vytvořit variace', 'Znovu provést lehké převzorkování' a 'Beta převzorkovat znovu'. Tlačítko 'Web' umožňuje zobrazit obrázek ve větší velikosti v samostatném okně.

Midjourney umožňuje převzorkování obrazu na rozlišení 2048 × 2048 (čtverec) a 2720 × 1530 (širokoúhlý) prostřednictvím funkce beta upscale redo, s výchozí velikostí mřížky generování 1024 × 1024 (čtverec) a 1456 × 816 (širokoúhlý). Každý obrázek lze dále vylepšit pomocí možností „U“ upscale, které vylepšují konkrétní části obrázku.

Podívejte se na tuto výzvu, která vytváří fantastické umělecké dílo s verzí Midjourney V5.2.

/imagine Umělecké dílo zobrazuje osamělý strom pod hvězdnou oblohou, pod nímž si čte dítě, v odstínech klidné modré a teplé oranžové, inspirované tahy štětcem francouzského impresionismu, perskými miniaturami, jednoduchostí Bauhausu, evokující klasické ilustrace dětských pohádek, dosažení asymetrické harmonie, vyjádřené okouzlujícím, lidovým/naivním: –ar 15:19 –upbeta –q 2

Vytváření vašeho umění First Midjourney AI

1. Vytvoření základního plánu: Představte si sebe jako umělce. Začněte s přímým, živým popisem obrazu, který chcete oživit. Načrtněte hlavní předmět, atmosféru nebo dokonce drobné detaily, které chcete vložit. Používejte interpunkci, jako jsou čárky, závorky a pomlčky, abyste strukturovali své myšlenky. Chcete-li dosáhnout lepších výsledků, vyjadřujte se explicitně ohledně kontextu a detailů vašeho návrhu. Prvky jako předmět (např. Drak, veterán, Abraham Lincoln), médium (např. digitální umění, skica tužkou), prostředí (např. vesmír, pod vodou, rušné město), osvětlení (např. měkké, neonové, podsvícené) kritické mohou být barvy (např. zemské tóny, zářivé, tlumené), nálada (např. melancholická, náladová, mírumilovná) a kompozice (např. krajina, detailní záběr, širokoúhlý záběr). Příklady:
   • Idylický les zalitý sluncem, pěšina klikatící se do dálky
   • Město, které nikdy nespí, s neony odrážejícími se od chodníků a různorodým davem, který se pohybuje kolem
2. Infuze stylu a klíčových slov: Umělá inteligence Midjourney je schopna ilustrovat obrázky v nesčetných stylech, jako je abstraktní, surrealistický nebo realistický. Začleněním stylu nebo souvisejících klíčových slov můžete AI vést k vytvoření obrazu, který odráží vaši vizi. Experimentujte s různými styly a klíčovými slovy, abyste objevili dokonalou směs. Příklady:
   • Krajinná malba zobrazující poušť za úsvitu, odrážející styl Georgie O'Keeffe, s pastelovou paletou barev a organickými formami.
   • Abstraktní ztvárnění poklidného lesa s geometrickými vzory tvořícími stromy a listy, inspirované kompozicemi Pieta Mondriana.
3. Využití pokročilých nastavení: Považujte Midjourney za svůj kreativní nástroj, který je plný pokročilých nastavení, která vám umožní doladit generované obrázky. Je to jako mávnutí kouzelnou hůlkou, která vám umožní vykouzlit ideální rovnováhu náhodnosti, stylizace a variací obrazu. Popusťte uzdu své tvůrčí zdatnosti tím, že si budete pohrávat s těmito nastaveními, dokud nenajdete dokonalý mix, který bude rezonovat s vaší vizí. Příklady:
   • Klidná japonská zahrada s jezírkem odrážejícím rozkvetlé třešně – semeno 22 – s 150 – c 40
   • Dystopické kyberpunkové město osvětlené neonovými světly – seed 88 –s 600 –c 60
4. Zvýraznění prvků pomocí závaží: Vizualizujte svůj obraz jako symfonii, přičemž každý prvek přispívá k velkému celku. Pomocí zápisu „::“ můžete diktovat význam různých prvků ve vašem obrázku, což vám umožní ovládat reflektor. Příklady:
   • [Elegantní páv]::3 posazený na [strome vistárie]::1 kvetoucí zářivými květy
   • [Majestátní slon]::2 vyhřívající se v záři [zapadajícího slunce]::1 v savaně
5. Midjourney je proces pokusu a omylu: Je nutné experimentovat s různými prvky a funkcemi. Každá iterace vás přiblíží k obrazu, který jste si představovali oživit.

Parametry uprostřed cesty

Model Midjourney pracuje s nastavitelnými parametry, které řídí výsledek procesu generování obrazu. Tyto parametry umožňují uživatelům vylepšovat a přizpůsobovat vygenerované umění a doladit model tak, aby vytvořil výstupy, které dokonale vyhovují jejich cíli.

Níže jsou uvedeny základní a pokročilé parametry, jejich funkce a jak je používat k plnému využití schopností Midjourney:

• Poměr stran (–aspect nebo –ar): Tento parametr řídí poměr mezi šířkou a výškou generovaného obrázku. Například poměr 16:9 je ideální pro miniatury YouTube, zatímco poměr 1:1 vytváří čtvercový obrázek skvělý pro Instagram.
• Chaos (–chaos): Tento parametr upravuje rozmanitost mřížky počátečního obrázku a pohybuje se v rozmezí od 0 do 100. Vyšší hodnoty chaosu vám poskytnou nepředvídatelné a jedinečné výsledky, zatímco nižší hodnoty zajistí konzistentnější výsledky.
• Ne (–no): Tento parametr vám pomůže eliminovat specifické prvky nebo charakteristiky z generovaného obrázku. Chcete-li například obrázek bez červené, můžete použít „–žádná červená“.
• Kvalita (–quality nebo –q): Toto nastavení upravuje čas potřebný k vytvoření obrázku. Vyšší kvalita vyžaduje delší dobu zpracování, ale přináší složité detaily. Tento parametr může nabývat hodnot 25, 5, 1 nebo 2.
• Seed (–seed): Tento parametr určuje počáteční vizuální šum, který slouží jako základ pro generovaný obrázek. Použití stejného počátečního čísla se stejnou výzvou poskytne podobné výstupy. Přijímá celočíselné hodnoty mezi 0–4294967295.
• Stop (–stop): Pomocí tohoto parametru můžete předčasně ukončit úlohu a vytvořit méně podrobné, ale potenciálně zajímavé výstupy. Rozsah je 10-100. Pokud například zadáte „–stop 50“, proces generování obrázku se zastaví po dokončení 50 %, což povede k méně podrobnému, možná abstraktnímu obrázku.
• Stylizovat (–stylizovat nebo –s): Toto řídí úroveň umělecké aplikace na generovaném obrázku. Nižší hodnoty stylizace vedou k výsledkům bližším počáteční výzvě, zatímco vyšší hodnoty vedou k abstraktnějším a uměleckejším interpretacím. Ve v5 je výchozí hodnota 100, ale můžete ji nastavit kdekoli od 0 do 1000.
• Verze modelu: Můžete si vybrat z různých verzí modelu Midjourney pomocí parametru –version nebo –v.
• Niji: Modelka specializovaná na obrázky ve stylu anime. Lze k němu přistupovat pomocí parametru –niji.
• Highmi Definition: U abstraktních obrázků a obrázků na šířku aktivuje parametr –hd ranou verzi modelu, která poskytuje větší, méně konzistentní obrázky.
• Testovací modely: Midjourney nabízí speciální modely pro konkrétní případy použití. –test a –testp aktivují standardní a fotograficky zaměřený testovací model.
• Upscaler: Algoritmus Midjourney začíná s mřížkou obrazu s nízkým rozlišením. Nabízí několik upscaling modelů pro vylepšení velikosti obrazu a detailů.
  • Uplight: Alternativní light upscaler (–uplight) poskytuje upscale obrázky, které jsou méně podrobné, ale plynulejší.
  • Upbeta: Parametr –upbeta vede k obrázkům s výrazně menším počtem dalších detailů, které zůstávají blíže původnímu obrázku mřížky.
  • Upanime: Upscaler –upanime je navržen speciálně pro práci s modelem –niji Midjourney.
• Tloušťka obrázku: Pomocí –iw upravte tloušťku výzvy obrázku vzhledem k tloušťce textu. Výchozí hodnota je 0.25.
• Sameseed: Parametr –sameseed zajišťuje, že všechny obrázky v počáteční mřížce používají stejný počáteční šum a vytvářejí velmi podobné generované obrázky.
• Video: Midjourney může uložit postupné video procesu počátečního generování mřížky obrazu pomocí parametru –video.
• Creative: S parametrem –creative vydávají modely test a testp rozmanitější a kreativnější obrázky.

Midjourney důsledně zavádí aktualizace pro zlepšení uživatelského zážitku, přičemž nejnovější je verze 5.2, která byla spuštěna v červnu 2023. Přidáním –v 5.2 do výzvy nebo jeho výběrem pomocí příkazu /settings získají uživatelé přístup k tomuto pokročilému modelu. Verze 5.2 nabízí vynikající detaily obrazu a intuitivněji chápe výzvy, přináší jasnější barvy a vylepšené kompozice.

Pochopení autorských práv pro umělecká díla generovaná umělou inteligencí

V březnu 2023 americký úřad pro autorská práva objasnil svůj postoj k autorskému právu Práce generované AI. Zásady uvádí, že zatímco prvky vytvořené člověkem ve výtvorech AI (jako jsou spisy nebo jedinečné návrhy) mohou být chráněny, obrázky vytvořené AI nesplňují podmínky pro autorská práva, protože dodržují globální normy, že pouze lidské výtvory jsou způsobilé pro ochranu autorských práv.

V kontextu umění AI nejsou autorská práva přímočará. Zatímco digitální umění má vstup lidského umělce, umění generované umělou inteligencí vzniká bez přímého lidského zásahu, což komplikuje otázku autorství a vlastnictví. Podle amerického úřadu pro autorská práva je prvotní vlastnictví uděleno autorovi díla – lidskému tvůrci. Protože však AI nelze považovat za autora, umění generované AI postrádá jasné vlastnictví.

Nejnovější pokyny amerického úřadu pro autorská práva povolují autorská práva na umění AI pouze v případě, že obsahuje dostatečné lidské autorství. Úroveň „dostatečného lidského autorství“ zůstává nedefinovaná a závisí na míře lidského zapojení do vytváření uměleckého díla AI.

Zajímavé je, že Midjourney, platforma pro tvorbu obrázků založená na AI, zavedla vlastní zásady pro práva k užívání. Uživatelé bezplatné zkušební verze mohou obrázky používat pro nekomerční účely na základě mezinárodní licence Creative Commons Attribution-NonCommercial 4.0 (CC BY-NC 4.0) s řádným přičtením Midjourney. Platící předplatitelé však mohou obrázky použít k jakémukoli účelu, včetně komerčního, podle Všeobecných obchodních podmínek. Tento vývoj v oblasti autorských práv představuje zajímavou dynamiku mezi umělou inteligencí a lidskou kreativitou.

Využití Midjourney pro dynamické návrhy uživatelského rozhraní a kreativní generování loga

Od navrhování intuitivních uživatelských rozhraní pro webové stránky nebo mobilní aplikace až po vytváření jedinečných log a bannerů, Midjourney umožňuje tvůrcům obsahu generováním řady alternativ designu během několika sekund.

Zde je návod, jak to funguje. Každý návrh začíná výzvou, která funguje jako plán, který má AI následovat. Předpokládejme, že navrhujete uživatelské rozhraní pro aplikaci platformy online výuky. Typická výzva může být: „Uživatelské rozhraní online výukové platformy / imagine, Dribbble, vysoké rozlišení, 4K, jako khan academy“.

Počáteční výsledky nemusí přesně zasáhnout. Například přidání „Adobe XD“ do mixu může pomoci Midjourney přizpůsobit své návrhy tak, aby byly více kompatibilní s Adobe XD. Optimalizovaná výzva bude:

/imagine Online výuková platforma, uživatelské rozhraní, Adobe XD, Dribbble, vysoké rozlišení, 4K, minimalistický design

Logo nebo bannery inspirované textem pomocí Midjourney

Pojďme prozkoumat, jak vytvořit banner s logem pro UNITE AI.

Nejprve musíte mít jednoduchý obrázek textu, který chcete zobrazit. Můžete jej vytvořit pomocí libovolného nástroje pro grafický design nebo textového editoru a nahrát jej do svého kanálu Discord.

Výzva k vytvoření banneru je:

/imagine dopisy: UNITE ve futuristickém logu písma inspirovaného AI s písmeny UNITE –v 5 –ar 16:9

Podívejte se na tyto ukázkové výzvy pro další nápady:

/imagine Osamělý hudebník předvádějící poklidnou melodii na plovoucím městě za soumraku, ve stylu secese

/imagine Obraz budoucího člověka pracujícího na futuristickém stole, obklopený holografickými obrazovkami a pokročilou technologií. Osoba má na sobě elegantní stříbrnou kombinézu a má nasazené brýle pro virtuální realitu. Prostředí je plné neonových světel a plovoucích hologramů. Atmosféra je futuristická a špičková technologie, se smyslem pro vzrušení a inovace. Fotoaparát je digitální fotoaparát s vysokým rozlišením, který přesně zachytí každý detail. Umělecký styl je směsí kyberpunku a minimalismu se zaměřením na čisté linie a výrazné barvy. Režiséři, kameramani, fotografové, módní návrháři, karikaturisté a umělci spolupracující v této jedinečné juxtapozici jsou Christopher Nolan, Roger Deakins, Annie Leibovitz, Virgil Abloh, Hayao Miyazaki a Kaws.

/představte si 1940. léta – stylujte Barbie jako válečnou sestru, v prostředí historické armádní nemocnice, pečující o zraněné vojáky, ve stylu klasických ilustrací Mattel, s atmosférou sépiově laděné fotografie z druhé světové války 8k –v 5 –ar 16 :9

/imagine Rám ženy opřený o kyberpunk, hoverbike, japonské anime, rozlehlá panoráma města, 32k, složitý kosmodrom, letmý, panoramata mrakodrapů, elegantní

Final Thoughts: Navigace v uměleckém světě AI s Midjourney

Pamatujte: „Obrázek vydá za tisíc slov“. Podrobný, živý popis dokáže zázraky. Ano, Midjourney není zdarma k použití. Přesto přináší revoluci do uměleckého světa a rozšiřuje naše kreativní možnosti prostřednictvím své nejmodernější technologie umělé inteligence pro převod textu na obrázek. Díky schopnosti převést jednoduchou textovou výzvu na obrázek ve vysokém rozlišení je to nástroj, který slibuje neomezené možnosti nejen pro umělce, ale také pro designéry UI/UX, technologické nadšence a profesionály v oblasti AI.

Zde je několik základních věcí, které je třeba mít na paměti, když se vydáte na své dobrodružství Midjourney:

• Naučte se základy výzvy Midjourney: Používejte jasné, stručné a komplexní popisy, které zapouzdřují vaši vizi, abyste mohli AI efektivně vést. Nezapomeňte vzít v úvahu své publikum a neváhejte experimentovat s různými styly, náladami a kontexty.
• Využijte parametry: Vylepšete svůj tvůrčí zážitek využitím velkého množství pokročilých nastavení, která Midjourney nabízí. Od ovládání poměru stran až po úpravu parametru chaosu pro jedinečné výsledky lze každý detail přizpůsobit vašim preferencím.
• Přijměte iterační proces: Vaše první umělecká díla vygenerovaná umělou inteligencí nemusí být dokonalá. Přijměte tento iterativní proces a naučte se vylepšovat a optimalizovat své výzvy pro lepší výsledky.
• Pochopte důsledky pro autorská práva: Zatímco umělecká díla vygenerovaná umělou inteligencí sama o sobě nejsou způsobilá pro autorská práva, komponenty vytvořené člověkem v nich mohou být chráněny.

Integrace umělé inteligence do umění v podstatě demokratizovala kreativitu a smazala hranice mezi lidskými a strojově vyrobenými mistrovskými díly. Jak jsme stále svědky pozoruhodného růstu generativní umělé inteligence na trhu s uměním, je nepopiratelné, že umělecká revoluce AI v čele s platformami jako Midjourney právě začíná.