TechCrunch-ի և Google-ի պաշտոնական բլոգի փոխանցմամբ՝ Google-ի Gemini հավելվածը ներդնում է նոր և հզոր գործառույթ, որը թույլ է տալիս խմբագրել ինչպես արհեստական բանականությամբ ստեղծված, այնպես էլ սարքից ներբեռնված անձնական լուսանկարները՝ պարզապես տեքստային հուշումների միջոցով։

Ներդրված պատկերի խմբագրման հնարավորություններ

Gemini 2.0 Flash-ի ներդրված խմբագրման գործառույթները լուրջ առաջընթաց են ԱԲ տեխնոլոգիաներում։ Նախորդ բազմաչափ համակարգերի՝ օրինակ՝ լեզվային մոդելների և Imagen 3-ի զուգակցման փոխարեն, Gemini-ն տեքստն ու պատկերը մշակում է միավորված համակարգում։ Այս մոտեցումը վերացնում է մոդելների միջև հաղորդակցությունը և նվազեցնում է ուշացումը՝ ապահովելով ավելի սահուն խմբագրման փորձ։

Այս հնարավորությունները բավականին բազմակողմանի են և թույլ են տալիս օգտատերերին՝

  • Փոխել ետնապատկերը, փոխարինել առարկաները կամ ավելացնել նոր տարրեր

  • Պահպանել խմբագրման կոնտեքստը բազմաստիճան խմբագրման ընթացքում

  • Տեքստ ավելացնել պատկերների վրա՝ բարձր որակով արտապատկերումով

  • Գունավորել սև-սպիտակ լուսանկարները բնական արդյունքով

  • Ստեղծել պատկերի հաջորդականություններ՝ տեսողական պատմությունների համար

  • Վիզուալ կերպով ներկայացնել գաղափարներ, օրինակ՝ «ինչպիսի տեսք կունենայի տարբեր մազերի գույնով»

Gemini-ի միջոցով ստեղծված կամ խմբագրված բոլոր պատկերները պարունակում են SynthID-ի անտեսանելի թվային ջրանիշ։ Google-ն այժմ փորձարկում է նաև տեսանելի «AI» նշանների ավելացում պատկերի անկյուններում։ Այս գործառույթը աստիճանաբար հասանելի է դառնում ավելի քան 45 լեզուներով՝ աշխարհի երկրների մեծ մասում։

SynthID ջրանշանման տեխնոլոգիա

SynthID-ը Google DeepMind-ի մշակած նորարարական ջրանշանման տեխնոլոգիա է, որը թույլ է տալիս ներդնել անտեսանելի թվային ստորագրություններ ԱԲ-ով ստեղծված բովանդակության մեջ։ Այս ջրանշանը ներդրվում է պիքսելային մակարդակում՝ պատկերների և տեսանյութերի կադրերի վրա, աուդիոյի համար՝ սպեկտրոգրամում, իսկ տեքստի համար՝ հավանականության փոքր շեղումներով։

Ի տարբերություն տեսանելի ջրանշանների՝ SynthID-ն չի վատացնում պատկերի որակը, սակայն կարելի է հայտնաբերել հատուկ ծրագրային ապահովմամբ, նույնիսկ եթե պատկերն ենթարկվել է կտրտման, ֆիլտրերի կամ սեղմման։

Տեխնոլոգիան հիմնված է երկու խորը ուսուցման մոդելների վրա՝ մեկը ներդնում է ջրանշանը, մյուսը՝ հայտնաբերում։ Այն արդեն կիրառվում է Google-ի ԱԲ էկոհամակարգում՝ ներառյալ Imagen և Gemini-ի խմբագրման գործառույթները։ SynthID-ը ծառայում է թափանցիկության նպատակին՝ օգնելով տարբերել ԱԲ-ով ստեղծված կամ լրջորեն խմբագրված բովանդակությունը։ Թեև այն ամբողջությամբ չի պաշտպանում կեղծիքներից, այս տեխնոլոգիան կարևոր քայլ է մանիպուլյացիաների դեմ պայքարում՝ ԱԲ բովանդակության տարածման աճող ֆոնին։ Google-ն այն բաց հասանելի է դարձրել իր «Պատասխանատու սերնդային ԱԲ գործիքակազմի» միջոցով՝ կիրառելի դարձնելով նաև Google-ի սահմաններից դուրս։