Görselden Görsele

Görselden görsele (image-to-image, img2img), standart metinden görsele işlemindeki gibi saf gürültüden üretmek yerine, bir difüzyon modelinin bir metin istemi, bir stil referansı veya her ikisi tarafından yönlendirilerek mevcut bir girdi görüntüsünü yeni bir çıktı görüntüsüne dönüştürdüğü üretken bir tekniktir. Teknik olarak, gürültü giderme sürecini rastgele gürültüden başlatmak yerine, img2img girdi görüntüsünden kontrollü bir miktar gürültü eklenmiş olarak başlar ("gürültü giderme gücü" veya "strength" parametresi, tipik olarak 0.3-0.8); düşük bir güç, orijinal yapının çoğunu korur ve sadece yeniden stillendirir, yüksek bir güç ise modele sapma konusunda daha fazla özgürlük tanır, taze bir üretime yaklaşır. ControlNet gibi ilgili koşullandırma teknikleri, geliştiricilerin belirli yapısal öğeleri (poz, derinlik haritası, kenar ana hatları) sabitlerken modelin rengi, dokuyu ve stili yeniden hayal etmesine hâlâ izin vermesini sağlar; bu da ürün ekiplerine tek bir hepsi-ya-da-hiçbiri ayarı yerine "hafif yeniden stillendirme" ile "yaratıcı yeniden yorumlama" arasında bir kadran verir. SaaS geliştiricileri için neden önemli: img2img, "fotoğrafımı yeniden stillendir" tüketici uygulamalarını, ürün maket oluşturucuları (bir logo tasarımını fotoğraflanmış bir tişörte yerleştirme), mimari/iç mekan tasarımı görselleştirme araçlarını ve oyun ve film stüdyoları için hızlı konsept sanat yinelemesini güçlendirir. Amaç "bunu koru, ama şunu değiştir" olduğunda saf metinden görsele göre daha ucuz ve daha kontrol edilebilirdir; bu da onu çoğu ticari yapay zeka fotoğraf düzenleme özelliğinin arkasındaki iş atıdır. Somut bir uygulamalı örnek — "sanal mobilyalama" sunan bir emlak SaaS'ı (ilan fotoğraflarındaki boş odaları döşemek): (1) emlakçı boş bir oturma odasının fotoğrafını yükler ve bir mobilyalama stili seçer ("modern minimalist," "geleneksel," "İskandinav"); (2) uygulama, "Modern minimalist mobilya ekle: gri bir kanepe, ahşap bir sehpa ve bir lamba, odanın duvarlarını, pencerelerini ve zeminini değiştirmeden bırak" gibi bir istemle ve odanın gerçek mimarisini korumak için yeterince düşük olan `strength=0.55` ile img2img API'sine gönderir; (3) model, orijinal fotoğraftan çıkarılan bir ControlNet derinlik haritası kullanarak, kaynak fotoğrafta görünen gerçek perspektif ve aydınlatma yönüyle tutarlı mobilya eklerken oda geometrisini, duvar açılarını ve pencere yerleşimini korur; (4) döşenmiş fotoğraf yaklaşık 5-10 saniye içinde döndürülür ve emlakçının onaylayabilmesi veya farklı bir stille yeniden oluşturabilmesi için orijinaline karşı bir önce/sonra geçişi olarak gösterilir; (5) onaylanan döşenmiş görüntüler, çoğu MLS ve emlak pazarlama düzenlemesine göre "Sanal Olarak Döşenmiştir" ile filigranlanır; bu düzenlemeler giderek artan şekilde bir ilan fotoğrafındaki mobilyaların fiziksel olarak mevcut olmadığının açık bir şekilde beyan edilmesini gerektirir. Düzenlenmiş emlak pazarlarına hizmet eden geliştiriciler, bu beyan gerekliliğini isteğe bağlı bir güzellik değil, katı bir ürün gereksinimi olarak ele almalıdır.