مشاهده توییت های دیگر

کم‌کم داریم از دوره‌ای عبور می‌کنیم که تصویر فقط مجموعه‌ای از پیکسل‌ها بود. توی سیستم‌های جدید، تصویر در اصل یه تانسوره یعنی یه ساختار عددی چندبعدی که مدل روش یاد می‌گیره، دستکاریش می‌کنه و معنی ازش درمیاره. مدل‌های Diffusion، نویز، embedding متنی، latent space… هوش مصنوعی عکس‌ساز داره منطق تولید تصویر رو از گرافیک سنتی جدا می‌کنه و می‌بره سمت یادگیری ماشین واقعی. من توی این یادداشت نوشتم: این سیستم‌ها عملاً چطور کار می‌کنن Midjourney، Stable Diffusion و DALL·E از نگاه مهندسی و اینکه اگه توسعه دهنده هستی، کدوم مسیر واقعا به کارت میاد اگه دوست داری بدونی پشت این خروجی‌ها دقیقا چه خبره و فقط دنبال عکسای قشنگ نیستی، لینکش اینجاست 👇 راهنمای فنی هوش مصنوعی ساخت عکس