Tvaroog

Taki dajrektor przecież tylko innym mówi co mają robić a jakoś się nie nudzi. Wszyscy znają Spielberga. Kto zna nazwisko kolesia który podmieniał twarz kaskaderce w Parku Jurajskim? W przyszłości wszyscy będziemy Spielbergami. 🙂

Smithsonian museum udostępnił miliony obrazów i trochę plików 3d na licencji CC0. https://3d.si.edu/cc0 https://www.si.edu/openaccess Doczytałem, że to już stary news. Ale teraz mają jeszcze więcej zdjęć.

Spędziłem nad tym zdecydowanie za dużo czasu. Przemieliłem concept arty z Cyberpunka przez Stable Diffusion (A1111 WebUI). Użyłem ControlNet a efekt końcowy to wynik wielu poprawek i łączenia różnych renderów w Affinity photo / Gimpie. Łącznie wygenerowałem setki obrazów co pewnie odbije się na rachunku za prąd. W czasie pracy Stable Diffusion karta graficzna pracuje na maksa jak przy ray tracingu. Oryginał by Marta Detlaff. Następne dwa to Lea Leonowicz.

Taki cytat jeszcze z 2021:

Myślę że tej chwili głównie prace trwają nad stworzeniem AGI, a o świadomości mówi się przy okazji. Wiemy, że inteligencja i świadomość są powiązane w jakiś sposób, ale nie do końca wiemy w jaki. Część osób zajmujących się AI nie widzi problemu. Na przykład podejście Johna Carmacka zdaje się być: najpierw zróbmy a martwić będziemy się potem. Istnieje koncepcja filozoficznego zombie, czyli istoty która w zachowaniu nie różni się od człowieka, ale nie posiada świadomości. Część filozofów uważa, że taki byt jest wewnętrznie sprzeczny. Czyli że każda wystarczająco inteligentna maszyna będzie jednocześnie posiadać świadomość. Carmack zdaje się podzielać ten pogląd. Im inteligentniejszy jest robot tym bardziej jest przydatny. Jeśli mają one wykonywać tę samą pracę co ludzie, muszą się poruszać swobodnie, analizować otoczenie, wiedzieć na co patrzą, rozumieć co się do nich mówi. Czyli jest prawdopodobne, że w przyszłości stworzymy sztuczną świadomość niejako przy okazji, po prostu projektując coraz bardziej inteligentne maszyny. I możliwe, że my nadal będziemy się zastanawiać czy światła w środku takiego robota są włączone, czy zgaszone.

Polecam prezentację Davida Chalmersa z zeszłego roku na temat dużych modeli językowych. Chalmers specjalizuje się w zagadnieniu świadomości i jest twórcą pojęcia tzw. trudnego problemu świadomości.

Ten Batman przypomina tego z Adamem Westem z lat 60., a ten Spiderman wygląda jak ten Japoński z lat 70. Także nie mamy się czego wstydzić.

Nowy plugin do wydawania komend językiem naturalnym w Blenderze. Trzeba mieć dostęp do api GPT-4.

Jemu chodzi o coś takiego: https://pprn.pl/masz-10-tysiecy-zlotych-ta-kwota-umozliwia-juz-inwestowanie-w-nieruchomosci/ Nawet nie wiedziałem że coś takiego istnieje. Ale stówka to jednak może być za mało.

Nowy generator obrazów w Bing: https://www.bing.com/images/create To wypluł po wpisaniu "Witcher Geralt". Format .jiff, po kilkadziesiąt kilobajtów każdy. Zmieniłem rozszerzenie na jpg, żeby tu wyświetliło. Widzę, że forum automatycznie przekompresowało pliki i teraz są cięższe niż były przed wrzuceniem.

Jest demo podobnego addonu do Blendera, ale nie używałem go. Z tego co widzę nie był aktualizowany od 3 miesięcy. Chińczycy wypuścili nowy model text to video, najwyraźniej wytrenowany na klipach z Shutterstock. Web demo. https://twitter.com/search?q=ModelScope&src=typed_query&f=top

Rozmawiałem ostatnio z Bingiem kilka godzin. Zrobił dla mnie mały skrypt do Blendera dodający łuki do wybranych krawędzi. Trzeba być dość precyzyjnym gdy się go o coś prosi. Czasami przestaje drukować odpowiedź, gdy kod staje się zbyt długi. Istnieje również limit znaków dla użytkownika, więc w pewnym momencie wklejenie kodu w całości staje się niemożliwe. Ale można po prostu napisać, że wkleisz go w częściach i przeanalizuje go bez problemu. Kilka tygodni temu próbowałem zrobić to samo w ChatGPT, ale z gorszym efektem. Teraz niby OpenAI zrobiło upgrade, ale nie wiem czy darmowa wersja ChatGPT jest nadal na wersji 3 czy już 4. Tak czy siak z Bingiem poszło mi lepiej. Bing może przeglądać Internet, ale nie widziałem żeby szukał jakichś odpowiedzi w sieci. Zazwyczaj wyświetla się adres strony kiedy przeszukuje neta. Skrypt nie jest doskonały, tworzy np. wielokąty o zerowej powierzchni.

Zainstalowem tego A1111, Depth2Img musiałem osobno. Łatwo jest zrobić coś abstrakcyjnego, ale kontroli jest bardzo mało jeśli starasz się zrobić coś bardzo konkretnego.

W webowych wersjach maksymalna rozdzielczość to 512x512px. Zainstalowałem sobie na kompie Easy Diffusion, desktopową wersję Stable Diffusion. Prosto się to instaluje, ale nie ma tego depth2img. W tym Easy Diffusion max rozdzielczość to 2048x2048px i jest ograniczona jedynie RAMem. Moja karta pozwala na 1000x1000 max. Potem program przeskalowuje wyżej jeśli chcesz, 2x lub 4x, ale ilość detali się nie zwiększy. Ten Stańczyk to chyba najlepszy jakiego udało mi się uzyskać. Generalnie żeby uzyskać coś co się do czegoś nadaje trzeba się najpierw pobawić ustawieniami i promptami.

Przepuściłem Stańczyka przez ControlNet (zakładka depth): , Tutaj prosty prompt Geralt of Rivia Tutaj dodałem dłuższy opis Potem img2img I jeszcze CodeFormer

Są sytuacje gdy 100% podobieństwo nie jest ważne, jak na przykład obrazy całkowicie syntetyczne. Obraz ze Stable Diffusion demo: Przepuszczony przez CodeFormera, nie jestem pewien czy to poprawa: CodeFormer coś szwankuje. Czasami naciskam download i ściąga mi jakieś zdjęcia Hindusów. Uważajcie co tam ładujecie. Mam pierwsze screenshoty z remastera Wiedźmina 1. Oryginał: Remaster. Tutaj wygląda jak Jeff Goldblum: Tutaj jak Carl Sagan: Putin: Cillian Murphy: Kokaina: Heroina:

Narzędzia oparte o sztuczne sieci neuronowe, które trzeba trenować spokojnie mieszczą się w kategorii wąskiego czy też słabego AI. Nie jestem ekspertem, ale z tego co rozumiem... Sieci neuronowe nie przechowują fragmentów bitmap, a raczej statystyczne dane na temat bazy użytej do treningu. W wielowymiarowej przestrzeni tzw "latent space" przechowywane są korelacje pomiędzy różnymi kształtami i kolorami. Można się swobodnie przemieszczać pomiędzy tymi wymiarami: Jeśli dobrze rozumiem, kodowanie danych w latent space jest samo w sobie formą kompresji. Inna sieć, tylko zamiast pikseli są voxele: To samo tyczy się tekstu: Jeśli połowa obrazów oznaczonych słowem "photo" w bazie na której szkolona jest sieć ma logo Getty Images, to sieć uczy się, że istnieje statystyczna korelacja pomiędzy tym białym kształtem z prawej strony obrazu a hasłem "photo". Zawsze jest jednak trochę koślawe. Da się teoretycznie wyciągnąć ze Stable Diffusion zdjęcia prawie identyczne jak te które były użyte do treningu (chociaż nie identyczne co do piksela), ale szanse, że użytkownikowi się to uda przypadkiem są małe. Fani tych technologii używają właśnie tego argumentu. Sztuczne sieci neuronowe są wzorowane na prawdziwych. Ludzie również uczą się na przykładach. Pewnie każdy tutaj widział to logo Getty Images tyle razy, że byłby w stanie je narysować z pamięci nie gorzej niż AI. Ale to kiepski argument, bo maszyny to jednak co innego niż ludzie. W przypadku Getty Images dochodzi jeszcze zawsze drugi argument: "a co ty, korporacji bronisz?" Ja oczywiście stoję w tym sporze po stronie artystów. Raz, że sam jestem jakimś tam artystą, ale przede wszystkim prace tysięcy twórców zostały bez pozwolenia zgromadzone i wykorzystane, również w celach komercyjnych (Midjourney). Swoją drogą, duże modele językowe są szkolone na tekstach z milionów różnych źródeł od książek po bzdury które wszyscy wypisujemy na forach. W przeszłości cudze prace były już wykorzystywane w researchu, słynne przykłady to "Lenna" czy "Tom's diner". Ale tamte technologie nie były wykorzystane do stworzenia artystom bezpośredniej konkurencji. Z ciekawości wrzuciłem Szopena zdjęcie z Wikipedii. Tutaj efekt z maksymalną jakością i zaznaczoną poprawą tła. Moim zdaniem tło jest gorsze niż było. Gapi się teraz w inną stronę: Tutaj maksymalne podobieństwo kosztem jakości. Patrzy się tam gdzie trzeba, ale coś się stało z włosami:

Ostatnio dr Károly Zsolnai-Fehér w "2 minute papers" gadał o tej metodzie upscalowania twarzy: https://replicate.com/sczhou/codeformer/examples#3brtklnlxrh5dai63qnopzlwde https://shangchenzhou.com/projects/CodeFormer/ AI będzie stopniowo coraz lepsze, nie ma co się oszukiwać. Jednocześnie ciągle ma jeszcze sporo ograniczeń. Jak to ktoś powiedział, w Dolinie Krzemowej nad AI pracują bardzo inteligentni ludzie, którzy nadużywają kofeiny. W zeszłym roku do wyścigu dołączył John Carmack, który porzucił VR na rzecz sztucznej inteligencji. Oczywiście w przeszłości były okresy tzw. zimy AI, ale nawet wtedy machina postępu toczyła się do przodu, tylko wolniej. Generalnie żyjemy w ciekawych czasach.

Wykorzystałem 'geometry nodes' w Blenderze. Kawałek nagrałem na konkurs CD Projektu.

Ale możesz 🙂 https://fund.blender.org/

The 1973 Agreement on the Conservation of Polar Bears

Jak nie chcesz w edit mode to możesz użyć shrinkwrap modifiera, ale "snap to face" w edit mode będzie szybciej.