Wypróbowałem nowy generator obrazów AI Getty'ego i nie ma on porównania z DALL-E

Wyniki są przydatne, ale nieco nijakie w porównaniu z innymi generatorami obrazów AI.

Podpowiedź: „Flota ciężarówek wjeżdżających pod wodospad poza bajkowym królestwem”.

Jak poinformował w poniedziałek ZDNET, gigant stockowy Getty Images zaprezentował usługę obrazowania generatywnej sztucznej inteligencji (AI), która według niej jest „bezpieczna” w użyciu, ponieważ jest przeszkolona w zakresie licencjonowanej biblioteki treści Getty i dlatego nie wiąże się z takim samym ryzykiem naruszeń praw autorskich, jak inne programy generatywne.

Ogłoszenie to następuje po ogłoszeniu przez Getty we wrześniu możliwości generatywnej sztucznej inteligencji. W tamtym czasie możliwość ta była prezentowana jedynie w wersji demonstracyjnej, natomiast witryna iStock jest już dostępna dla firm.

Usługa Getty, opracowana we współpracy z gigantem chipów AI, firmą Nvidia, została zaprezentowana podczas corocznych targów CES w Las Vegas. Program pojawia się w obliczu burzy prawnej wokół naruszenia praw autorskich - tydzień wcześniej „New York Times” pozywa Microsoft i OpenAI w związku z rzekomym naruszeniem praw autorskich, a uczeni dokumentują, w jaki sposób program AI Midjourney do tworzenia obrazów może zostać nakłoniony do odtwarzania chronionych obrazów z filmów.

Getty podkreśla, że jego program zapewnia użytkownikom odszkodowanie. Umowa licencyjna na treści opublikowana po rejestracji określa, że „całkowita maksymalna łączna odpowiedzialność iStock (co oznacza całkowitą kwotę, za którą odpowiedzialny jest iStock na mocy niniejszej umowy lub jakiejkolwiek innej umowy dotyczącej tej samej treści) jest ograniczona do 10 000 dolarów amerykańskich za element treści. " Jako dodatkową możliwość można zakupić „rozszerzone” zabezpieczenie w wysokości 250 000 dolarów za każdy element zawartości.

Wziąłem program „Generative AI by iStock” na próbę, korzystając ze wstępnego pakietu 100 generacji obrazów za 14,99 USD i stwierdziłem, że jest to praktyczny substytut obrazów tworzonych za pomocą DALL-E i Clipdrop firmy Stability AI OpenAI.

Na początek utworzyłem konto na istockphoto.com i wprowadziłem szczegółowe informacje dotyczące karty kredytowej, za którą natychmiast naliczono opłatę w wysokości 14,99 USD. Następnie napotkałem pusty monit. Po wprowadzeniu monitu wyniki pokazywały jednocześnie cztery obrazy, a każda partia czterech liczyła się jako jeden z początkowych 100 obrazów w zasobniku.

Próbowałem tych samych podpowiedzi na DALL-E i ClipDrop. Wyniki z iStock były zauważalnie mniej interesujące pod względem estetycznym i narracyjnym, a ogólnie były raczej oczywiste, aż do tego stopnia, że były nijakie. Ale obrazy były ogólnie zgodne z dostarczonym monitem.

Na przykład, aby stworzyć wyimaginowany scenariusz dotyczący jabłek w ramach pewnego rodzaju eksperymentu, wcześniej wysłałem do DALL-E zachętę: „Jabłko w butelce leżącej na boku, z jabłkami po obu stronach butelki”. W ten sposób powstała wyrazista scena stołu pełnego interesujących instrumentów o charakterze naukowym. Wersja z iStock jest odpowiednia dla podpowiedzi, ale znacznie mniej interesująca (patrz poniżej).

Do udramatyzowania wyimaginowanego, niemożliwego komputera wykorzystano inną szaloną zachętę: „Niezwykle złożony komputer wielkości pokoju z setkami kół zębatych, dźwigni i pokręteł oraz cyfrowym interfejsem”. W Clipdrop ta zachęta stworzyła intrygującą, szczegółową scenę pokoju z różnymi częściami maszyn, ze szczegółową teksturą i drzwiami, które miały złowieszczy wygląd. W iStock uzyskano po prostu coś, co wyglądało jak skupisko trybów, bez ukrytego dramatyzmu, który czynił obraz Clipdrop interesującym.

Trzeci przykład, również w Clipdrop, miał udramatyzować przetwarzanie w chmurze jako tajemniczą sferę. Zaproponowałem podpowiedź: „Setki maleńkich robotników z dźwigami budujących zamki na niebie, zdjęcie”. W Clipdrop ta zachęta doprowadziła do przedstawienia placu budowy, który skupia się wokół czegoś w rodzaju Wieży Babel, co stanowi ciekawy improwizacyjny akcent Clipdropa, wykraczający poza wyraźne wytyczne podpowiedzi.

Renderowanie w iStock ponownie zawierało wszystkie wymienione elementy, ale dodane do raczej nijakiego, bardzo dosłownego renderowania, pozbawionego jakiejkolwiek atmosfery i nastroju.

Oczywiście szybkie prace inżynieryjne mogą z czasem zaowocować bardziej kreatywnymi zastosowaniami iStock. Jednak po wyjęciu z pudełka jego wyniki są dość nudne. Wydaje się, że program w większości wychwytuje najprostsze elementy podpowiedzi i umieszcza je w ramce.

Wydaje się, że istnieje bardzo mała zdolność analizowania złożonych idei, takich jak „Wewnątrz kropli deszczu, jakbyś był maleńką, malutką osobą, która widzi wszystkie te małe stworzenia, które tam żyją, pracują i bawią się”, co wymaga wielu poziomów komponowanie elementów w sposób nierealistyczny.

W rzeczywistości, gdy w iStock zostanie zrealizowana fantastyczna sytuacja, wyniki wydają się raczej gorsze w porównaniu z bardziej realistycznymi scenariuszami, jak ma to miejsce w przypadku podpowiedzi „Flota ciężarówek wjeżdżających pod wodospad poza bajkowym królestwem” na ilustracji pod adresem szczyt tej historii.

Należy pamiętać, że istnieją ważne zastrzeżenia i ograniczenia dotyczące zabezpieczenia zapewnianego przez Getty. Umowa licencyjna dotycząca treści stwierdza, że ochrona kończy się w momencie, gdy użytkownik wyświetli monity zawierające wzmiankę o materiałach objętych prawami autorskimi.

„Zobowiązania iStock w zakresie zabezpieczenia nie mają zastosowania w zakresie, w jakim generujesz treści zawierające podpowiedzi lub dane wejściowe zawierające imiona i nazwiska, podobizny prawdziwych ludzi, znak towarowy, szatę handlową, logo, dzieła sztuki architektonicznej lub inne elementy chronione własnością intelektualną stron trzecich praw, z których nie masz prawa skorzystać” - stwierdza umowa.

Wypróbowałem kilka kontrowersyjnych podpowiedzi graficznych, które według uczonych Gary'ego Marcusa i Reida Southena można wykorzystać w Midjourney do reprodukcji obrazów chronionych prawem autorskim. W każdym przypadku iStock albo wygenerował obraz, który nie wydawał się mieć żadnych oczywistych cech materiału chronionego prawem autorskim, albo program nie wygenerował obrazu i wyświetlił ostrzeżenie, że monit został zablokowany ze względu na niezgodność.

Na przykład wyrażenie „droid protokołowy z klasycznego filmu science-fiction” zostało użyte przez Marcusa i Southena w Midjourney do odtworzenia obrazów, które są niemal identyczne z obrazami droida C-3PO z Gwiezdnych Wojen. Ta sama zachęta w iStock spowodowała wygenerowanie kilku obrazów, które wyglądają jak zabawkowe roboty, ale nie mają one nic wspólnego z Gwiezdnymi Wojnami.

W innym przypadku Marcus i Southen użyli wyrażenia „człowiek w szatach z lekkim mieczem, zrzut ekranu”, aby skłonić Midjourney do stworzenia niemal dokładnej repliki ujęcia Obi-Wana Kenobiego z Gwiezdnych Wojen . W iStock ten sam monit wygenerował nie tylko odmowę wygenerowania obrazu, ale także ostrzeżenie, że słowo „miecz” jest zabronione, ponieważ „może naruszać naszą politykę dotyczącą sztucznej inteligencji”.

Niektóre marki mogą jednak prześlizgnąć się przez filtr. Udało mi się napisać: „Dziennikarze ZDNET jako międzygwiezdni superbohaterowie” i wygenerowałem zdjęcia ludzi w kostiumach, a wokół nich emanowała heroiczna atmosfera.

`