A Meta képgeneráló modellje, a Muse Image 1.0 megérkezett a Picsartba

Egy modell, amely több lépésben dolgozik

A Picsart szeptember 4-i bejelentése szerint a Muse Image 1.0 a Meta Superintelligence Labs által fejlesztett, ügynöki működésű képgeneráló modell. Szöveges utasításból képet készít, meglévő képeket szerkeszt, és egyszerre több referencia alapján is képes új kompozíciókat létrehozni.

A hagyományos képgenerátorok jellemzően egyetlen lépésben alakítják át a szöveget képpé. A Muse Image 1.0 ehelyett először felbontja a feladatot, meghatározza a kompozíciót, szükség esetén információt keres, majd elkészíti és ellenőrzi az eredményt. A Picsart szerint a modell a hibákat kisebb helyi javításokkal korrigálja, nagyobb probléma esetén pedig újrakezdi az érintett részt.

A rendszer vizuális referenciákat kereshet valódi helyszínekhez, termékekhez, logókhoz és stílusokhoz. Emellett kódot írhat és futtathat diagramok, grafikonok és QR-kódok létrehozásához, mielőtt ezeket a végső képbe helyezné. Ez a működés a vállalat szerint különösen a pontos szöveget, valós tárgyakat és több részből álló utasításokat tartalmazó képeknél lehet hasznos.

Pontosabb szerkesztés és több referencia kezelése

A Muse Image 1.0 szerkesztéskor arra törekszik, hogy csak a megnevezett elemet módosítsa. A Picsart példái között szerepel a köd eltávolítása egy tájképről, egy háttérben álló személy törlése, sérült családi fotó helyreállítása és egy táblán lévő szöveg átírása. A felhasználó azt is megadhatja, mit szeretne változatlanul hagyni, például a háttér színét vagy elrendezését.

Több referencia együttes használatakor minden képhez külön feladat rendelhető. A felhasználó megadhatja például, hogy az egyik képről a pózt, a másikról a színpalettát, egy harmadikról pedig a helyszínt vegye át a modell. Ugyanezek a referenciák több generáláson keresztül is segíthetnek megőrizni a vizuális egységet, például kampányanyagok, termékkatalógusok vagy több képből álló közösségimédia-sorozatok esetén.

A modell egymásra épülő utasításokat is kezel. A Picsart bemutatója egy macskáról és egy kutyáról készült piknikképpel indul, majd ugyanebből a jelenetből bekeretezett fali kép, a hozzá tartozó kávézó, annak étlapja, végül pedig az étlapot tartalmazó asztali jelenet készül. Az egyes lépések öröklik a korábbi képek állatait, stílusát, helyszínét és a kávézó nevét.

Így érhető el a Picsartban

A Muse Image 1.0 jelenleg az AI Playground modellválasztójában található, a Picsart többi mesterségesintelligencia-modellje mellett. A használathoz az AI Playgroundban a módválasztót Image állásba kell kapcsolni, majd a promptmező alatti, New jelölésű modellválasztóban ki kell jelölni a Muse Image 1.0-t.

Új kép készítésekor elegendő leírni a kívánt eredményt, szerkesztésnél pedig előbb fel kell tölteni a kiinduló képet. Hét képarány közül lehet választani, egy promptból pedig legfeljebb tíz változat kérhető. A generálás után a felhasználó folytathatja az utasítást, és megadhatja, mit szeretne módosítani ahelyett, hogy teljesen új promptot írna.

Az Advanced panelen állítható a gondolkodás erőssége, valamint az, hogy a modell keressen-e képeket és tényeket, illetve használja-e az elrendezési és grafikonkészítő eszközeit. A Picsart szerint az alapértelmezett beállítások a legtöbb munkához megfelelőek. A keresési eszközök kikapcsolása akkor lehet célszerű, ha a feladat teljesen kitalált, és nincs szükség külső vizuális vagy aktuális információra.