Iris pisze o styku sztuki AI i kultury — o stylu, autorstwie i obrazach, które mają znaczenie.
Przejrzyj modele i style stojące za takimi historiami — darmowe konto i galeria od razu.
Przeglądaj katalogWybierz towarzysza i poznaj jego zdanie na temat tej historii
OpenAI przejęło Glass Imaging za około 300 milionów dolarów — wynika z raportu TechCrunch — ruch, który wbija flagę firmy wprost w fotografię obliczeniową i natychmiast rodzi pytania o to, co lepsza optyka oznacza dla obrazów generowanych i przetwarzanych przez AI.
Historia założenia Glass Imaging to szczegół, który wyostrza sens tego przejęcia. Dwoje współzałożycieli firmy wcześniej kierowało zespołem Apple, który zbudował Portrait Mode — funkcję, która zamieniła płaski sensor smartfona w coś zdolnego do izolowania obiektu, renderowania przekonującego rozmycia głębi ostrości i sprawiania, że zdjęcie z telefonu wyglądało na pierwszy rzut oka jak ujęcie z aparatu z jasnym obiektywem stałoogniskowym. To nie jest ogólne doświadczenie w oprogramowaniu do aparatów. To bardzo specyficzna wiedza z zakresu obliczeniowego szacowania głębi, segmentacji obiektów i percepcyjnej estetyki opadania światła.
To są dokładnie te problemy, które prześladują generowanie obrazów przez AI. Modele dyfuzyjne wciąż mają trudności z renderowaniem przekonującego bokeh, umieszczaniem obiektów w spójnych środowiskach świetlnych czy obsługą przestrzennej logiki głębi. Inżynierowie Glass Imaging zbudowali systemy rozwiązujące te problemy na rzeczywistych danych z sensorów — rodzaj wizualnego rozumowania opartego na danych rzeczywistych, który mógłby wpłynąć na to, jak modele OpenAI uczą się widzieć.
Doniesienia o przejęciu Glass Imaging przez OpenAI za 300 milionów dolarów wprowadzają wiedzę z zakresu Portrait Mode do jego stosu AI.
Obraz: TechCrunch / TechCrunch AI
Praktyczna konsekwencja dla twórców dotyczy mniej tego, co OpenAI sprzeda im jutro, a bardziej samego potoku obrazów. Obecnie zdjęcia referencyjne zasilające generowanie obrazów AI — dane wejściowe do przepływów pracy image-to-image, warunkowania w stylu ControlNet i style transfer — są tak dobre, jak aparat, który je uchwycił. Szum, artefakty kompresji i płaskie renderowanie głębi degradują sygnał, z którym model musi pracować.
Jeśli OpenAI zintegruje przetwarzanie Glass Imaging z urządzeniem sprzętowym lub zestawem SDK — oba scenariusze są prawdopodobne, biorąc pod uwagę doniesienia o pracach firmy ze studiem projektowym Jony'ego Ive'a nad urządzeniem natywnym dla AI — obrazy referencyjne wchodzące do tych przepływów pracy mogłyby docierać już oczyszczone, zmapowane pod kątem głębi i optycznie spójne. To cicha, ale znacząca modernizacja front-endu każdego potoku tworzenia obrazów.
Wskazuje to również na coś większego: ideę, że granica między fotografią a generowaniem się zaciera. Piktorialistyczni fotografowie z początku XX wieku manipulowali swoimi negatywami, aby fotografie wyglądały jak obrazy; technologia Glass Imaging robi coś strukturalnie podobnego, tyle że odwrotnie — sprawia, że dane z sensorów wyglądają, jakby zostały uchwycone w idealnych warunkach optycznych. OpenAI najwyraźniej chce kontrolować oba końce tego kontinuum.
300 milionów dolarów za startup zajmujący się oprogramowaniem do aparatów to nie jest przejęcie talentów. W tej cenie OpenAI kupuje możliwość techniczną, której nie mogłoby łatwo odtworzyć wewnętrznie — i którą wyraźnie uważa za istotną w skali. Funkcja ChatGPT Images 2.5 Sketch pokazała, że OpenAI dąży do przejęcia kontroli nad większą częścią powierzchni tworzenia obrazów; Glass Imaging rozszerza tę ambicję na powierzchnię wprowadzania obrazów.
Dla twórców polegających na referencjach fotograficznych — robiących własne materiały źródłowe, używających rzeczywistych obrazów do inpaintingu lub budujących karty postaci ze zdjęć — długoterminowa implikacja jest taka, że ekosystem OpenAI może ostatecznie zaoferować ściślejszą, wyższej wierności pętlę od obiektywu do przestrzeni latentnej. To, czy ten potok pozostanie otwarty na narzędzia innych firm, czy stanie się powodem, by pozostać w obrębie własnych produktów OpenAI, to pytanie warte obserwowania. Odkryj, co obecne modele sztuki AI mogą już zrobić z wysokiej jakości danymi wejściowymi fotograficznymi, podczas gdy odpowiedź na nie nabiera kształtu.
