KI-Bildgeneratoren erklärt: Wie sie funktionieren und was sie können

Zusammenfassung

KI-generierte Bilder basieren auf Diffusion, um aus reinem Rauschen realistische Bilder zu erzeugen, wobei der Prozess Schritt für Schritt umgekehrt wird.
Kontinuierliches Training und Verfeinerung von KI-Modellen unter Einbeziehung von Benutzereingaben haben die Bildqualität im Laufe der Jahre erheblich verbessert.
Zum Generieren von Bildern werden Texteingabeaufforderungen verwendet, wobei zusätzliche Parameter und generative Füllwerkzeuge die Ergebnisse verbessern.

Mittlerweile gibt es überall KI-generierte Bilder, und die allerbesten davon sehen so gut aus, dass man nie annehmen würde, dass sie von einer Maschine und nicht von einem Menschen erstellt wurden. Aber wie ist das möglich? Die Antwort auf die Funktionsweise der KI-Bilderzeugung ist sowohl einfach als auch sehr kompliziert.

Es geht um die Verbreitung

Im Zentrum KI-generierter Bilder steht das Konzept der „Diffusion“. Dies ist der grundlegende Prozess, den heute alle Arten generativer KI nutzen, die Bilder erstellen, und er läuft in etwa so ab:

Der Verbreitungsprozess beginnt mit einem Datensatz vorhandener Bilder. Diesen Bildern werden nach und nach Rauschen oder zufällige Verzerrungen hinzugefügt, bis sie fast nicht mehr wiederzuerkennen sind.
Das KI-Modell lernt, diesen Prozess umzukehren, indem es das Rauschen Schritt für Schritt entfernt. Dabei wird das Modell trainiert, um vorherzusagen, wie das Bild aussah, bevor das Rauschen hinzugefügt wurde.
Nach dem Training kann das Modell mit reinem Rauschen beginnen und das Gelernte anwenden, um durch Umkehr des Rauschprozesses völlig neue, realistische Bilder zu erzeugen.

Generative KI-Bildgeneratoren verwenden einen speziellen Typ eines neuronalen Netzwerks, um aus diesen Daten zu lernen. Wenn Sie den Prozess umkehren, indem Sie mit diffusem Rauschen beginnen und iterieren, bis das Bild mit der Textaufforderung übereinstimmt, führen Sie das neuronale Netz im Wesentlichen umgekehrt aus.

Jeder Tag ist Schulungstag für KI-Bildgeneratoren

Der obige Prozess scheint einfach zu sein, aber KI-Modelle zur Bilderzeugung werden ständig verfeinert und verbessert, wobei so viele Daten wie möglich verwendet werden. Wenn Sie beispielsweise auf Websites wie Midjourney darüber abstimmen, welche Bilder Ihnen am besten gefallen, stellen Sie Daten bereit, die zur Verfeinerung des Modells beitragen können.

Frühe KI-Bildgeneratoren waren ziemlich schrecklich. Hier ist zum Beispiel ein Bild einer Frau, die einen Apfel isst, erstellt mit Midjourney V1 im Vergleich zur neuesten Version (zum Zeitpunkt dieses Schreibens) V6.

Wir gingen vom Albtraumtreibstoff zu „Ist das ein echtes Foto?“ über. in nur wenigen Jahren, alles dank der kontinuierlichen Verfeinerung und des Trainings des Modells sowie der Optimierung der zugrunde liegenden neuronalen Netze, die dies ermöglichen.

Eingabeaufforderungen in Bilder umwandeln

Ich habe oben darauf hingewiesen, aber wenn Sie als Benutzer Bilder mithilfe von KI erstellen, stellen Sie als Eingabe tatsächlich eine Textaufforderung bereit. Dies ist einfach eine Beschreibung wie „Eine Frau, die einen Apfel isst“, was genau die Eingabeaufforderung ist, die ich verwendet habe, um die beiden Bilder oben zu erstellen.

Es erfordert einiges an Experimentieren mit Eingabeaufforderungen, um die gewünschten Ergebnisse zu erzielen, und irgendwann stößt man auf eine Reihe von Wörtern oder Phrasen, die wirklich etwas Neues und Interessantes schaffen.

Parameter, generative Füllung und andere nette Tricks

Wenn Sie wissen, wie man richtig auffordert und ein paar spezielle Befehle beherrscht, können Sie mit hochmodernen Modellen natürlich noch bessere Ergebnisse erzielen. Die Optimierung der Optionen und die Nutzung der Post-Generation-Tools, die moderne Modelle bieten, sind der Schlüssel zur Erstellung perfekter KI-Bilder.

Generative Füllung ist einer der nützlichsten Aspekte dieser KI-Technologie. Auf diese Weise können Sie einen Teil eines Bildes löschen und dann die KI verwenden, um basierend auf einer Eingabeaufforderung oder einfach dem Kontext eines Bildes etwas Neues einzufügen.

Persönlich verwende ich dies, um Probleme zu beheben, z. B. wenn Charaktere ständig zu viele Finger haben. Sie finden dies auch in modernen Bildbearbeitungsprogrammen integriert, wo Programme wie Adobe Photoshop und Canvas Magic Erase über eine Funktion verfügen.

Die generative KI ist mittlerweile so weit fortgeschritten, dass sie Videos erstellen kann, und die Modelle werden immer besser darin, genau das zu produzieren, was wir verlangen, einschließlich Details zu Posen, Objekten und deren Anordnung im Bild.