xAI از مدل تصویرساز Imagine Image 2.0 رونمایی کرد؛ عملکرد درخشان در تایپوگرافی [تماشا کنید]

شرکت xAI از نسخه جدید مدل تولید و ویرایش تصویر خود با نام Imagine Image 2.0 رونمایی کرد. این مدل پیشرفته ‌اکنون در قالب گزینه Quality Mode در وب‌سایت گراک و اپلیکیشن‌های اندروید و iOS چت‌بات گراک در دسترس کاربران قرار گرفته است و به‌زودی از طریق API نیز عرضه خواهد شد.

مدل جدید Imagine Image 2.0 با تمرکز ویژه بر تایپوگرافی و طراحی چیدمان توسعه یافته است و توانایی بالایی در رندر تصاویر پیچیده و چندبخشی دارد و متن‌های کوچک را کاملاً شفاف و خوانا نگه‌ می‌دارد. همچنین این مدل ویژگی‌ها و سبک بصری سوژه‌ها را طی ویرایش‌های متوالی حفظ می‌کند تا ساخت کاراکترهای یکدست برای پروژه‌های بزرگ آسان‌تر شود.

مدل پیشرفته تصویرساز Imagine Image 2.0

مدل ایمجین ایمیج ۲.۰ به مجموعه‌ای از قابلیت‌های کاربردی مجهز شده است که فرایند تولید و ویرایش تصاویر را بهتر می‌کند. یکی از اصلی‌ترین ابزارهای این مجموعه، Magic Wand نام دارد که به کاربر امکان می‌دهد بدون تغییر بخش‌های دیگر تصویر، تنها ناحیه انتخاب‌شده را دستکاری کند. همچنین قابلیت بخش‌بندی مجزا و ابزار Background Removal امکان خروجی گرفتن از سوژه‌ها با پس‌زمینه شفاف را فراهم می‌آورد.

در کنار این موارد، قابلیت Multi-Reference Editing به کاربران امکان می‌دهد تا حداکثر ۵ تصویر ورودی را به‌طور هم‌زمان در یک فرایند ترکیب کنند و نیازی به ترکیب دستی تصاویر نداشته باشند. ابزار Smart Resize نیز هنگام تغییر نسبت تصویر، فضای خالی ایجادشده را به‌صورت خودکار و متناسب با محتوای قبلی پر می‌کند.

ایکس‌ای‌آی جهت سرعت‌دادن به کارهای روزمره، قالب‌های پیش‌فرض را در زمینه‌های عکاسی محصول، پرتره‌های حرفه‌ای، ویرایش عکس، طراحی آیکون و المان‌های بازی‌های ویدیویی آماده کرده است. علاوه‌براین، مدل جدید می‌تواند شخصیت‌ها، مکان‌ها و ابزارهای گوناگون را به‌صورت مجزا اما با سبک بصری یکسان تولید کند. SpaceXAI این قابلیت را گامی مهم به سمت ایجاد جهان‌های بصری یکپارچه و بسترسازی برای پیش‌تولید ویدیوهای هوش مصنوعی می‌داند.

READ  مصاحبه با رابی باخ، مدیر پیشین اکس باکس در مورد زندگی کاری پس از مایکروسافت [قسمت اول]

نتایج منتشرشده در جدول Arena Leaderboards نشان می‌دهد که مدل ایمجین ایمیج ۲.۰ عملکرد بسیار چشمگیری از خود نشان داده است. این مدل در هر دو بخش ویرایش تصویر و تولید تصویر از متن، جایگاه دوم جهان را کسب کرده و پس از مدل GPT-Image-2 شرکت OpenAI قرار گرفته است.