MAI Image 2.7 néven új képszerkesztő modellt mutatott be a Microsoft, amely a vállalat közlése szerint az Arena szerkesztési rangsorában a harmadik, az Artificial Analysis értékelésében pedig a második helyen szerepel. A generatív mesterséges intelligencia meglévő fényképek átalakítására, megvilágításának módosítására és összetett szerkesztési utasítások végrehajtására készült.
A Microsoft október 27-én jelentette be a MAI Image 2.7 előzetes változatát, amely a vállalat saját képgeneráló és képszerkesztő modellcsaládjának újabb tagja. A fejlesztés ezúttal kifejezetten a meglévő vizuális anyagok módosítására összpontosít. A rendszer kipróbálható az Arena, az Artificial Analysis és a MAI Playground felületein, bár az egyes hozzáférési lehetőségek eltérhetnek. A Microsoft külön hangsúlyozza, hogy a szöveges utasításból teljesen új képet készítő funkció még nem része a mostani bevezetésnek.
A modell egyik fő célja a képszerkesztési utasítások pontosabb értelmezése. A felhasználó például kérheti egy termék másik környezetbe helyezését, egy jelenet fényviszonyainak megváltoztatását, különálló tárgyak módosítását vagy egy régi kép minőségének javítását. A fejlesztésnél különösen nehéz feladatnak számít, hogy a rendszer a módosított elemek mellett megőrizze a kép többi részének összhangját. Ha egy tárgy új helyre kerül, a megvilágításnak, az árnyékoknak és a környező objektumoknak is követniük kell a változást.
A Microsoft tájékoztatása szerint a MAI Image 2.7 az Artificial Analysis által vizsgált mind a tíz felhasználási területen és mind a hét szerkesztési művelettípusban javult az előző, 2.6-os változathoz képest. A jelenet- és stílusmódosítási kategóriában 24 Elo-pontos előnyt közölt a következő legjobb modellhez viszonyítva. Az Arena képszerkesztési rangsorában harmadik helyezést ért el, míg az Artificial Analysis szerkesztési összehasonlításában második lett a Microsoft közlése szerint. A rangsorok egy adott értékelési időpontot és feladattípust tükröznek, nem általános bizonyítékai minden képszerkesztési feladatban mutatott fölénynek.
A vizuális mesterséges intelligencia következő nagy versenyét már nem az dönti el, melyik modell készít látványosabb új képet, hanem az, melyik képes pontosabban módosítani a meglévő anyagokat?
A fejlesztés a kreatív és üzleti felhasználásban is új lehetőségeket teremthet. Egy webáruház vagy marketingügynökség ugyanabból a termékfotóból eltérő szezonális vagy kampánykörnyezetbe illeszkedő változatokat készíthetne, miközben a termék felismerhető formája megmarad. A pontosabb szöveg- és szimbólumkezelés szintén fontos lehet a hirdetési kreatívoknál, ahol egy hibás felirat vagy torzult márkajelzés az egész anyagot használhatatlanná teheti. A Microsoft szerint a modell különösen a helyreállítás, a stílusátalakítás és az összetettebb jelenetszerkesztés területén fejlődött.
Az új modell ugyanakkor még előzetes változat, ezért nem tekinthető teljes körűen bevezetett vállalati képszerkesztő szolgáltatásnak. A Microsoft nem közölt egységes, minden felhasználóra vonatkozó árazást, országlistát vagy végleges fejlesztői hozzáférési feltételeket. A képek szerkesztése során továbbra is előfordulhatnak nem kívánt változások, hibásan megjelenő részletek vagy pontatlanul végrehajtott utasítások. Kereskedelmi felhasználásnál külön figyelmet kell fordítani a termékábrázolás valósághűségére és a felhasznált képek jogaira.
A MAI Image 2.7 megjelenése egyre élesebb versenyt jelez a professzionális képszerkesztő mesterséges intelligencia modellek között. A generálás minősége mellett felértékelődik a módosítások irányíthatósága, az eredeti kompozíció megőrzése és a kiszámítható eredmény. Ha a fejlesztők ezekben a képességekben további előrelépést érnek el, a generatív mesterséges intelligencia a látványos képkészítés mellett a mindennapi grafikai és fotószerkesztési munkafolyamatokban is egyre nagyobb szerepet kaphat.
Olvasd el ezt is: Világszerte megkapja az Intelligent UI-t a ChatGPT generatív mesterséges intelligencia rendszere
Források: Microsoft AI, Artificial Analysis, Arena
CS.SZ.
