Chiński koncern ByteDance zaprezentował 9 listopada Seedream 5.5, nowy model sztucznej inteligencji do tworzenia i edycji obrazów. W firmowym pokazie ten sam portret poprawiano sto razy z rzędu. Nowa wersja ma ograniczać problem znany z generatorów grafiki: zmiana jednego szczegółu potrafi nieoczekiwanie przeobrazić pozostałą część obrazu.

Podczas demonstracji zmieniano ubrania i dodatki postaci, a także przedmioty na stole. Każdą kolejną wersję przygotowywano na podstawie poprzedniej. Według zespołu ByteDance Seed system potrafi zachowywać fragmenty obrazu, których poprawka nie dotyczy, z dokładnością do pojedynczych pikseli. Ma to ograniczać utratę szczegółów i przypadkowe przesunięcia kolorów przy wielokrotnej edycji.

Kolejne zmiany wystroju wnętrza wykonane w Seedream 5.5. Wideo: ByteDance Seed.
Zobacz także demonstrację 100 kolejnych poprawek portretu
Materiał demonstracyjny producenta, ByteDance Seed.

Drugą nowością jest tworzenie grafik z przezroczystym tłem, bez konieczności wycinania go w osobnym programie. Seedream 5.5 generuje obrazy w formacie RGBA, czyli z dodatkowym kanałem określającym przezroczystość. Można w ten sposób przygotować przedmiot, postać lub napis, a następnie umieścić je na plakacie, w reklamie czy innym projekcie.

Producent zilustrował tę funkcję między innymi obrazem sowy śnieżnej. Model ma oddawać nawet cienkie pióra, przerwy między nimi i skomplikowane krawędzie, co ułatwia łączenie wygenerowanego elementu z innym tłem. Tak przygotowane materiały można wykorzystywać w kolejnych kompozycjach.

ByteDance deklaruje również poprawę realistycznego odwzorowania skóry, światła i różnych materiałów. Osobno pracowano nad napisami wewnątrz generowanych ilustracji, zwłaszcza drobnym drukiem i złożonymi znakami chińskimi.

W testach przedstawionych przez firmę odsetek poważnych zniekształceń tekstu wyniósł 0,4 proc., a drobnych błędów 1,7 proc. Ocena obejmowała napisy po chińsku i angielsku. Nie ma danych potwierdzających, że model równie dobrze radzi sobie z tekstem po polsku.

Producent porównał również Seedream 5.5 z poprzednią wersją w sześciu dziedzinach, obejmujących między innymi handel internetowy, reklamę, film i projektowanie. Według wyników przedstawionych przez firmę nowszy model uzyskał lepsze oceny we wszystkich badanych zastosowaniach.

Model jest stopniowo udostępniany w chińskich usługach Jimeng i Doubao, w narzędziu Doubao Work oraz na platformie chmurowej Volcengine Ark. ByteDance zapowiedział także wersję Seedream 5.5 Pro.

Źródła: ByteDance Seed, The Next Web.