Айріс пише про те, де ШІ-мистецтво зустрічається з культурою: стиль, авторство та образи, які мають значення.
Переглянь моделі та стилі, що стоять за такими історіями — безкоштовний акаунт, галерея одразу.
Відкрити каталогОбери компаньйона і дізнайся його думку про цю історію
OpenAI придбала Glass Imaging приблизно за $300 мільйонів, повідомляє TechCrunch, — крок, який закріплює позиції компанії в обчислювальній фотографії та одразу ж порушує питання: що означає краща оптика для зображень, згенерованих або оброблених штучним інтелектом.
Історія заснування Glass Imaging — це деталь, яка надає цьому придбанню чіткості. Обидва співзасновники раніше очолювали команду Apple, що створила Portrait Mode — функцію, яка перетворила плаский сенсор смартфона на інструмент, здатний виокремлювати об'єкт, відтворювати переконливе розмиття глибини різкості та робити знімок схожим на фото з камери зі світлосильним фіксованим об'єктивом. Це не загальний досвід у сфері програмного забезпечення для камер. Це дуже специфічна експертиза в обчислювальній оцінці глибини, сегментації об'єктів і перцептивній естетиці спаду освітленості.
Саме ці проблеми переслідують генерацію AI-зображень. Дифузійні моделі досі погано справляються з відтворенням переконливого боке, розміщенням об'єктів у когерентних світлових середовищах або обробкою просторової логіки глибини. Інженери Glass Imaging створили системи, що вирішують ці проблеми на реальних даних сенсорів — той вид достовірного візуального мислення, який може вплинути на те, як моделі OpenAI навчаються бачити.
Повідомлене придбання OpenAI компанії Glass Imaging за $300 мільйонів вводить експертизу Portrait Mode до її AI-стеку.
Зображення: TechCrunch / TechCrunch AI
Практичний наслідок для творців стосується не стільки того, що OpenAI продаватиме їм завтра, скільки базового конвеєра зображень. Наразі референсні фотографії, що живлять генерацію AI-зображень — вхідні дані для робочих процесів image-to-image, кондиціонування у стилі ControlNet і перенесення стилю — настільки хороші, наскільки хороша камера, якою їх зроблено. Шум, артефакти стиснення та плоске відтворення глибини — все це погіршує сигнал, з яким доводиться працювати моделі.
Якщо OpenAI інтегрує обробку Glass Imaging в апаратний пристрій або програмний SDK — обидва варіанти цілком імовірні, зважаючи на повідомлення про роботу компанії з дизайн-студією Джоні Айва над AI-нативним пристроєм — референсні зображення, що надходять до цих робочих процесів, можуть надходити вже очищеними, з картою глибини та оптично когерентними. Це тихе, але суттєве вдосконалення фронтенду будь-якого конвеєра створення зображень.
Воно також натякає на щось більше: ідею про те, що межа між фотографією та генерацією розчиняється. Фотографи-пікторіалісти початку двадцятого століття маніпулювали своїми негативами, щоб фотографії нагадували картини; технологія Glass Imaging робить структурно подібне у зворотному напрямку — змушує дані сенсора виглядати так, ніби вони були зняті в ідеальних оптичних умовах. OpenAI, схоже, хоче контролювати обидва кінці цього континууму.
$300 мільйонів за стартап у сфері програмного забезпечення для камер — це не придбання талантів. За такою ціною OpenAI купує захищену технічну можливість, яку не могла б легко відтворити самостійно, — і яку, очевидно, вважає важливою у масштабі. Функція ChatGPT Images 2.5 Sketch показала, що OpenAI рухається до того, щоб охопити більше поверхні створення зображень; Glass Imaging поширює цю амбіцію на поверхню введення зображень.
Для творців, які покладаються на фотографічні референси — знімають власний вихідний матеріал, використовують реальні зображення для інпейнтингу або будують аркуші персонажів із фотографій — довгострокова імплікація полягає в тому, що екосистема OpenAI з часом може запропонувати щільніший, більш точний цикл від об'єктива до латентного простору. Чи залишиться цей конвеєр відкритим для сторонніх інструментів, чи стане причиною залишатися всередині власних продуктів OpenAI — ось питання, за яким варто стежити. Досліджуйте, що поточні моделі AI-арту вже можуть робити з високоякісними фотографічними вхідними даними, поки відповідь формується.
