Maand: augustus 2023

Hoofdstuk 4: Logo en product creaties met DALL-E en tutorials

Geplaatst op door Patrick Petersen

33

 

DALL-E is gecreëerd door OpenAI en gebaseerd op trefwoorden waarmee DALL-E afbeeldingen genereert Het model werd gelanceerd in 2021 en heeft het vermogen om zowel realistische objecten als fantasierijke concepten te combineren in zijn creaties. DALL-E is veelzijdig in het genereren van afbeeldingen met uiteenlopende stijlen, variërend van fotorealistische beelden, logo’s, storyboards tot schilderachtige impressies en ook emoji-kunstwerken. De naam is samengesteld uit de Pixar-animatiefiguur WALL-E en de Spaanse kunstschilder Salvador Dalí. Bij het schrijven van dit boek is er een gratis (open source) versie van DALL-E beschikbaar onder de naam DALLE-MINI:
Surf naar huggingface.co/spaces/dalle-mini/dalle-mini. Het invoerveld voor de prompt verschijnt direct.

 

Een logo:

High-end premium logo of the letters [‘AI’] with mountains, featured on 99designs, light orange background

Prompt

  • Do you want a photo or a painting?
  • In A Specifific Art Style? 3D Render, Studio Ghibli, Movie Poster
  • A Specifific Photo Type? Macro, Telephoto
  • What’s the main subject of the photo? Person? An animal or perhaps a landscape?
  • What details do you want to add?

 

A wise old tree standing tall in a forest, feeling rooted and steady, in a realistic art style.

Voorbeelden

 

 

 

  • Do you want a photo or a painting?—painting
  • What’s the subject of the photo? Person? An animal or perhaps a landscape? ——A wise old tree
  • What details do you want to add? —standing tall
  • Special Lighting. Soft, ambient, ring light, neon — bright
  • Environment. Indoor, outdoor, underwater, in space–outdoor
  • Color Scheme. Vibrant, dark, pastel —bright colors
  • Point of view. Front, Overhead, Side—front
  • Background. Solid color, nebula, forest—forest
  • In a specific art style? 3D render, studio ghibli, movie poster—realistic art style.

Tutorials

 

 

1405, #1405

Hoofdstuk 4 Invideo, AI en het laten genereren van video #ai #video #creatie #tutorials

Geplaatst op door Patrick Petersen

AI kan blauwdrukken van storyboards optekenen en kan ook op basis van een script een video genereren zonder dat er iets opgenomen hoeft te worden of gebruikt hoeft te worden qua bestaande videoclips. Natuurlijk heb je controle over de videoinput, maar het proces zelf is eigenlijk niet te sturen. Dit hangt wel heel erg af van welk type toepassingen die je gebruikt. Voor bijvoorbeeld ChatGPT of Midjourney geldt dit inderdaad; deze zijn ingericht als tekst-naar.. toepassing.

 

Bekijk de voorbeelden en tutorials over invideo en het laten genereren van video en het bewerken van de video. Resultaat:

 

 

 

 

 

1406,#1406

Hoofdstuk 4: Producten en advertenties maken met Playgroundai.com en tutorials

Geplaatst op door Patrick Petersen

In hoofdstuk 4 leren we producten en advertenties maken met Playgroundai.com.

 

  • We gaan nu advertenties voor producten ontwerpen die niet bestaan. We gebruiken bestaande producten als basis voor de nieuwe variant.
  • Surf naar playgroundai.com en meld je opnieuw aan.
  • Waar we eerst het canvas hebben gebruikt, gebruiken wij nu de optie met interface voor de creatie. Kies via de Create knop voor Create on a board.
  • Het scherm kent links en rechts de meest relevante menubalken. Kies links bij Filter voor een fotorealistisch filter, zoals een Protogen filter.
  • We slaan de Prompt nu even open; upload een afbeelding van een gele klomp bij de optie Image to Image, wederom in het linkermenu. Kies voor een afbeelding waar vooral de klomp is te zien op een lichte achtergrond.
  • Voer in het vak bij Exclude from image in: blurry, ugly, grainy.
  • Schuif de Image strength naar 35 om zo aan te geven hoeveel impact deze afbeelding gaat hebben op het eindresultaat.
  • Kies rechtsboven bij optie Model de Stable Diffusion XL, waar mij al eerder mee hebben gewerkt. Elk model kan een ander resultaat geven.
  • Kies bij Image dimension het formaat van de afbeelding die wij willen genereren. In dit voorbeeld kiezen wij voor 512 x 512.
  • Kies bij de optie Prompt Guidance voor een waarde van 10. Met deze schuifbalk geeft u aan hoe precies de prompt tot resultaat wordt verwerkt.
  • Kies bij de volgende optie in het rechtermenu, genaamd Quality & Details, voor een waarde van 100 om zo de kwaliteit van het eindresultaat te versterken. Bij een hoge waarde duurt de generatie langer.
  • Klik vervolgens voor de optie Randomize each number to get new variations bij het onderdeel Seed. Door een willekeurig nummer per keer te laten gebruiken komen er meer variaties uit de creaties.
  • De opties Samples en Number of Images gebruiken wij niet.
  • Voer nu in het linkermenubalk bij de optie Prompt deze prompt in om een fictieve advertentie voor een fictieve sneaker te generen:

a running sneaker advertising , a nike shoe, arty background, future 3d design, superrealism, masterpiece, octane render, 8k, high details, gold accentsneaker in the screen, by artgerm, highly detailed, production cinematic character render, ultra high quality model

 

 

 

Masker

Extra logo

Prompt (inpaint):

phantasy soccer logo placed on background, shadow, high quality, cinematic, cyan, yellow, white, octane render, photorealistic, small

 

 

 

 

1404, #1404

Hoofdstuk 4: werken met deepbrain.ai, voorbeelden en tutorials

Geplaatst op door Patrick Petersen

Het maken van video’s met behulp van kunstmatige intelligentie kan op verschillende manieren worden benaderd. Videogeneratie met de hulp van AI-algoritmen bevat het creëren van beelden op basis van specifieke input. Deze beelden kunnen vervolgens worden samengevoegd tot een reeks om een complete video te vormen. DL en GAN’s spelen vooral bij video een rol bij het genereren van afbeeldingen en zelfs volledige video’s. Met de inzet van AI is ook het mogelijk om bestaande video’s te bewerken en te verbeteren. Dit omvat taken zoals het verminderen van beeldruis, het verhogen van de resolutie, automatisch bijsnijden en het toevoegen van effecten of filterstijlen aan video’s. Bovendien kunnen AI-modellen worden ingezet voor videomanipulatie, deeze modellen zijn in staat om gezichten en objecten in bestaande video’s aan te passen. Hiermee kunnen gezichtsuitdrukkingen worden gewijzigd, achtergronden worden veranderd en zelfs compleet nieuwe scènes worden gecreëerd.

Ook de generatie van video kent no-code bediening van toepassingen en manieren om te programmeren, zoals met de toepassing deepbrain.ai. Met AI kunnen wij bijvoorbeeld AI-videopresentaties maken met menselijke avatars (ook humatars genoemd). Via het populaire deepbrain.ai-platform kunnen (gratis) AI-videopresentaties worden gegenereerd op basis van scripts en bijvoorbeeld url’s van website.

 

Tutorials

 

 

 

1405, #1405

 

Hoofdstuk 3 De diepere betekenis van machine learning voor Netflix

Geplaatst op door Patrick Petersen

Bekijk de bijlage waarin Datacouncil de diepere betekenis van machine learning en AI uitlegt voor streamingdienst Netflix. Gedurende vele jaren is het voornaamste doel van het gepersonaliseerde aanbevelingssysteem van Netflix geweest om op het juiste moment de juiste titels aan elk van onze leden te presenteren. Maar het werk van aanbevelingen houdt daar niet op. De startpagina zou in staat moeten zijn om aan het lid voldoende bewijs te leveren waarom dit een goede titel voor haar is, vooral voor programma’s waarvan het lid nog nooit heeft gehoord.

Een manier om dit uitdaging aan te pakken, is door de manier waarop we de titels op ons platform weergeven, te personaliseren. Onze engine voor personalisatie van afbeeldingen wordt aangedreven door online leren en contextuele bandits. Net als veel andere machine learning-algoritmes van Netflix begon het als een prototype en moest het worden omgezet in betrouwbare productietaken, uitgerust met monitoring, waarschuwingen, modelcontrole, hertraining, detectie van verouderde modellen, systeemveerkracht en meer.

We zullen bespreken hoe we bij Netflix de benadering hanteren om machine learning-systemen gereed te maken voor productie, en hoe we onze engine voor personalisatie van kunstwerken hebben geschaald om betrouwbaar meer dan 20 miljoen gepersonaliseerde afbeeldingsverzoeken per seconde te verwerken.

 

 

1303, #1303

 

Hoofdstuk 4: Uitleg van de werking van stable difussion modellen

Geplaatst op door Patrick Petersen

Bekijk de uitleg van de werking van stable difussion modellen bij het genereren van visuele content. Dit proces begint met een willekeurige ruis en voegt stap voor stap informatie toe om de ruis om te zetten in een realistische afbeelding. Het doel is om een afbeelding te creëren die lijkt op de oorspronkelijke input om zo unieke afbeeldingen te kunnen genereren op hogere snelheid. Stable diffusion, met stability.ai als handig platform vol toepassingen, is de meest flexibele AI-beeldgenerator. Het is volledig open source en je kunt zelfs je eigen modellen trainen op basis van je eigen dataset om het precies het soort afbeeldingen te laten genereren dat je wilt. Toepassingen die zijn gebaseerd op GAN’s, zoals DALL-E van producent OpenAI, zijn dan weer eenvoudiger in gebruik.

 

 

De architectuur van Stable Diffusion-modellen en GANs is fundamenteel verschillend. Stable Diffusion-modellen gebruiken een denoising-architectuur, waarbij het model wordt getraind om toegevoegde ruis uit de gegevens te verwijderen en geleidelijk de gegenereerde afbeelding te verfijnen in de loop van de tijd.

Aan de andere kant hebben GANs een competitieve architectuur, waarbij de generator en discriminator tegelijkertijd worden getraind. De generator probeert gegevens te produceren die de discriminator niet kan onderscheiden van echte gegevens, terwijl de discriminator probeert beter te worden in het onderscheiden van echte gegevens van de gegenereerde gegevens. Dit kan leiden tot een probleem dat bekend staat als modusinstorting, waarbij de generator beperkte variaties van voorbeelden produceert.