Sber добави аналог на генеративно запълване от Photoshop към невронната мрежа на Кандински

Sber представи голяма актуализация на генеративната невронна мрежа Кандински. С актуализацията до Kandinsky 3.0 генерирането на илюстрации се подобри значително и новото Kandinsky Video е първата руска невронна мрежа, която създава видеоклипове.

Да започнем с Кандински 3.0. Основната иновация в сравнение с версия 2.2 беше подобреното разпознаване на заявки: генерирането вече по-точно съответства на индустриалните данни, без да се жертва качеството. В допълнение, качеството на разбиране на запитванията по темата за вътрешния културен код - герои от съветски и руски филми и анимационни филми - се е увеличило експоненциално. Разликата беше ясно показана в заявките с Чебурашка и браунито Кузя:

Те също така показаха сравнение с по-стари версии на Kandinsky и други популярни модели - Midjourney (подписан като MJv.52), Stable Diffusion XL (SDXL) и DALL-E 3. Ето резултатите от генерирането на заявката „красиво момиче“:

Това е "мъжът с брада":

А това е „Барби и Кен пазаруват“:

Друго нововъведение бяха режимите Inpainting и Outpainting - способността да се „вмести“ нов обект в съществуваща картина или да се завърши (напомня генеративно запълване във Photoshop). Ето пример за довършителни работи:

И това са примери за добавяне на обект.

Можете да опитате невронната мрежа на платформата Fusion Brain, в официалния Телеграм бот или "Във връзка с».

Kandinsky Video ви позволява да създавате малки анимации на базата на текстова заявка - до 8 секунди с честота около 30 кадъра в секунда и резолюция до 512 пиксела от по-голямата страна. Височината и ширината могат да бъдат зададени от потребителя.

Създаването на видео е достъпно в бета режим на Fusion Brain, А Телеграм бот Засега предлага само записване в списъка на чакащите.