Нейросеть рисует эскизы татуировок - будущее или реальность?
В последние десятилетия татуировка, как и любая другая сфера современного общества активно обрастает технологиями. Часть из них направлена на обеспечение мастеров качественным, точным и надежным оборудованием, другая - это рука помощи их клиентам в вопросах заживления и последующего ухода за татуировкой. К третьей стороне можно отнести все современные информационные технологии позволяющие получить максимум информации по теме татуировок, как для самих мастеров, так и для их клиентов. Социальные сети и рекламные системы безусловно относятся к третьей группе. Именно они приводят всю эту махину в движение и являются турбиной развития этого искусства, переводя его из андеграундного формата в полноценную индустрию.
Сегодня мне бы хотелось поговорить об одном очень интересном тренде. Он уже набрал достаточную популярность на западе и потихоньку подбирается и к нашей индустрии. Речь идет о применении технологии искусственного интеллекта в татуировке. Понимаю, после десятков апокалиптических кинофильмов на тему ИИ невольно возникают довольно странные ассоциации, однако, бояться не стоит, всё более чем безопасно.
Немного теории для тех, кто совсем не в теме искусственного интеллекта.
Что такое Искусственный интеллект и нейронные сети
Искусственный интеллект (далее ИИ) - это самообучающаяся, чаще всего узкоспециализированная программа построенная на принципах работы биологической нейронной сети (далее НС). Само слово интеллект в этом словосочетании подразумевает способность программы к восприятию, обработке, систематизации и хранению информации. ИИ совсем не равно человекоподобному сознанию, так как у программы нет никакой эмоциональной и чувственной оценки получаемой информации. Другими словами, не стоит за каждым ИИ видеть злой Скайнет, программа обработки голоса на основе ИИ не сможет нарисовать картину, равно как и художественно ориентированный ИИ не будет понимать вашего голоса.
Типы обучения Искусственного интеллекта на основе нейронной сети
Существует два типа обучения нейронных сетей: с учителем и без учителя.
Первый метод основан на работе с массивом обучающих примеров, позволяющих программе понимать основные параметры выборки, сравнивая их с эталоном. Например, нам нужно построить нейронную сеть, способную определять, что на картинке изображено красное яблоко. Мы загружаем в неё 5000 изображений содержащих красные яблоки и 5000 картинок с зелеными яблоками. Показываем несколько изображение и смотрим на ответ НС. При получении верного ответа он маркируется как правильный, а если сеть ошибается - мы дополняем входные параметры определения красного яблока для того, чтобы в будущем НС понимала отличие красного цвета от зеленого. И так далее, до тех пор пока сеть не научится безошибочно определять красные яблоки на любых изображениях.
Этот тип обучения подходит для решения задач, в которых требуемый результат заранее известен. Например, как в примере описанном выше, когда мы точно знаем, что нам нужно чтобы сеть нашла на картинке именно красное яблоко.
Подход без учителя, основан на принципах каталогизации и систематизации большого массива входных данных без промежуточных вмешательств человека. То есть, нейронная сеть, получая данные, сама пытается выделить общие признаки получаемых на входе данных и взаимосвязи между ними, каталогизируя их по этим самым выявленным признакам. Подобный подход чаще всего используется для задач кластеризации и статистических моделей. Если рассматривать его с точки зрения прикладных задач, то здесь большое значение имеют именно входные данные. Чем понятнее материалы будут для сети - тем быстрее и качественнее будет проходить обучение.
Мы не будем углубляться в алгоритмы обучения нейронных сетей. Всё таки мы же про искусство, а не про математику. Поэтому давайте перейдем к прикладной части. Как собственно всё выше написанное относится к татуировке?
Применение нейронных сетей в искусстве и татуировке
Поговорим о нейронных сетях и их художественных способностях. Опять же мы будем говорить об общедоступных сетях, для общения и работы с которыми не требуются высокопрофессиональные навыки программирования и знания математики. Грубо говоря, эти сети прошли первичное обучение и уже готовы обрабатывать вашу информацию достаточно качественно, что позволяет использовать их в работе без длительной подготовки.
А помогать нам во всем этом разбираться будет Евгений Мальгин, он же Евгений Мэл - художник и татуировщик, один из первых внедривших использование ИИ и НС в свою тату-практику.
«Первую ИИ мы с другом обучали примерно 2 года назад, используя базу татуировок, размещенную на одном из тату-пабликов, плюс туда вошло моё полное портфолио. В общей сумме мы собрали около 15000 изображений татуировок. Возможно уже тогда я бы мог сделать татуировку по эскизу от ИИ, но мы столкнулись с проблемой - 2 года назад люди просто не понимали, что это. Они думали, что ИИ просто коверкал картинки татуировок, не понимая, что он рисует всё с 0 обучаясь через метод проб и ошибок. Вот его инстаграм @01tattooAi» - рассказывает Евгений
По словам Евгения, использование нейронных сетей даёт мастеру ряд дополнительных возможностей, например, в кратчайшие сроки получить несколько альтернативных версий того или иного эскиза, быстрой проработки теней, текстур, детализации изображения.
«ИИ - это скорее помощник художника, а не его замена. Он не может нарисовать за вас шедевр, но может помочь доработать ваши идеи. Чем четче у вас запрос, тем более удачным будет результат работы ИИ. Например, у меня был клиент, который хотел тату ворона. Можно было самостоятельно сесть и нарисовать его, но я решил доверить эту задачу ИИ. В итоге результат превзошел все мои ожидания. Клиент остался доволен!» - говорит Евгений
Нейронные сети для татуировщиков
Евгений Мальгин поделился с нашей редакцией своим списком нейронных сетей подходящих для тату-мастера:
Dall-E самая нашумевшая и самая дорогая нейронка. Я не представляю сколько денег ей нужно, чтобы сгенерировать что-то адекватное. Много функций, спонсирование гуглом, популярность, но эти преимущества меркнут когда смотришь на цену генераций. Плюс есть одна очень странная фишка. Команда Dall-E это ЛГБТ программисты, поэтому они замутили типа прикол такой что ли…. Определенный процент генераций Dall-E просто рисует целующихся мужиков. Стоит ли на это тратить деньги? Лично я не стал. Поэкспериментировал с бесплатными монетками и мне хватило.
Midjourney - вторая по популярности нейронка. Работает через дискорд (не очень удобно, но привыкнуть можно). 30$ в месяц убирают все лимиты на генерации. Многие используют именно ее, но лично мне сидеть через дискорд показалось не удобным.
Stable Diffusion - это уже по-взрослому, ребята. Тут надо, во-первых, мощный комп, во-вторых, знать основы программирования, чтобы просто ее запустить. Зато наличие открытого кода в интернете позволяет генерировать всё бесплатно и безлимитно.
Draw Things - это прямо тот же самый Stable Diffusion только для телефона. Очень круто! Можно установить и бесплатно баловаться прямо с телефона. Но минус этого приложения в том, что заряд вашего телефона при генерации будет таять, как мороженка летом на солнце. Зато бесплатно, и не нужен интернет!
Nightcafe - не очень дорогая браузерная нейронка с большим количеством настроек. Тем кто любит браузеры - самое то. Плюс в ней есть своего рода соцсеть, где можно делиться работами, получать очки и генерировать что-то снова бесплатно.
Dream - приложение для IOS. Мой фаворит. Подписка стоит недорого, генерирует все быстро, удобный интерфейс, много предустановленных стилей. Это очень удобно, так как я разрабатываю эскизы на телефоне в этой проге, а потом уже в других редакторах или нейронках дорисовываю если надо. Из минусов: мало настроек, не очень «умная» генерация.
Обновление нейронных сетей происходит ежесекундно, ведь с каждой новой итерацией они становятся “умнее”. А когда в их распоряжении оказываются миллионы людей и триллионы байт информации… думаем, что пока мы писали эту статью, все перечисленные выше нейронные сети сделали еще несколько гигантских шагов навстречу понимания человека и искусства, поэтому настоятельно советуем вам проверить их работу самостоятельно. И конечно же пишите в комментариях о результатах своих экспериментов!
Комментарии (1)