Qwen-Image: Emeli intellekt indi “Plastik” däl, hakyky surat çekýär!

Emeli aň (AI) dünýäsinde Täze ýyl sowgady ir geldi! Alibaba-nyň “Qwen” topary, surat döredýän meşhur modeli Qwen-Image üçin uly täzelenme yglan etdi. Bu täzelenme diňe bir “sazlama” däl, eýsem emeli aňyň döredýän suratlaryndaky o “ýasamalyk” (plastik) duýgusyny ýok etmäge gönükdirilen uly bir ädimdir.

Açyk çeşmeli (Open-source) modelleriň arasynda täze bir eýýam başlaýar. Ine, Qwen-Image-iň getiren esasy üýtgeşmeleri:

Adam ýüzlerinde “Fotorealizm” döwri

Emeli aňyň iň uly kynçylyklaryndan biri adam ýüzlerini tebigy görkezmekdi. Köplenç suratlar “oýunjak gurjak” (plastik) ýaly ýylmanak we janlylykdan daş görünýärdi. Qwen-Image-iň täze wersiýasy muny üýtgedýär:

• Tebigy Mimikalar: Adamlaryň ýüz keşbi, gözleri we derisi indi has janly we hakyky görünýär.

• Proporsiýalar: Beden gurluşyndaky ýalňyşlyklar düzedildi.

Ownuk Jikme-jiklikler: Suw, Ýüň we Matalar

Diňe adamlar däl, daşky gurşaw hem kämilleşdi. Täze model suwuň ýalpyldysyny, haýwanlaryň ýüňüniň (tekstura) ýumşaklygyny we dürli matalaryň görnüşini has takyk işläp bilýär. Suratdaky “wizual galmagal” (noise) aýrylyp, has arassa we dury görnüşler hödürlenýär.

Surat Içindäki Ýazgylar Indi Okalýar!

Dall-E 3 we Midjourney ýaly güýçli modelleriň hem käwagt kynçylyk çekýän ýeri: Surat içine tekst ýazmak. Qwen-Image, bu meselede ep-esli öňe gitdi. Suratyň içindäki dükanyň ady, futbolkanyň ýazgysy ýa-da islendik tekst indi bulaşyk däl, has takyk we dogry şriftler bilen ýazylýar. (Häzirlikçe iň gowy netije Iňlis elipbiýinde alynýar).

Midjourney-e Mugt Alternatiwa Bolup Bilermi?

Qwen-Image-iň hili, AI Arena platformasynda geçirilen 10.000-den gowrak “kör synag” (blind test) bilen barlanyldy. Netijeler haýran galdyryjy: Bu model, häzirki wagtda iň güýçli açyk çeşmeli modelleriň hataryna girdi we hatda käbir tölegli bäsdeşleri bilen hem bäsleşip bilýär.