Новая экспериментальная модель искусственного интеллекта от Google позволяет редактировать изображения без специальных навыков и даже удалять водяные знаки. Однако следует помнить о том, что качество результатов пока не идеальное.
Компания Google представила новую экспериментальную модель искусственного интеллекта под названием «Gemini 2.0 Flash (Image Generation) Experimental». Она позволяет генерировать и редактировать изображения так же легко, как создавать текст в рамках чат-бота. Эта технология объединяет обработку текста и изображений в одной модели искусственного интеллекта.
Новая модель была доступна только для тестирования с декабря прошлого года, но теперь экспериментальные функции доступны всем пользователям Google AI Studio. Хотя некоторые возможности работы с изображениями не идеальны (например, удаление водяного знака приводит к появлению артефактов и снижению качества изображения), она позволяет удалять объекты, добавлять новые, изменять фон или освещение, менять ракурсы съёмки и выполнять другие преобразования.
Gemini 2.0 Flash была обучена на большом наборе данных изображений (преобразованных в токены) и текста. Такое обучение позволяет модели создавать новые изображения, основываясь на своих знаниях о мире, полученных из текстовых источников.
Несмотря на то что подобные технологии уже были представлены другими компаниями, Gemini 2.0 Flash является первой моделью искусственного интеллекта с нативной генерацией изображений и обработкой текста в одной системе. Это делает её более мощным инструментом для работы с изображениями.
Однако, стоит помнить о том, что подобные технологии могут быть использованы для создания фальшивых фотографий или видео (так называемых «глубинных подделок»), что может привести к серьёзным последствиям. Поэтому компании-разработчики таких технологий должны подходить к их распространению с осторожностью.
Пока что модель искусственного интеллекта Gemini 2.0 Flash не является безупречной, но она отражает направление развития технологий в этой области и демонстрирует потенциал будущих решений для работы с изображениями.