እንደ ፍሬም ፈራሚ የሚሠራ የእይታ ሞዴል፡ የያዘው እና የለቀቀው
ቪዲዮ
የምስል ሞዴሎች በሐውልቶች ላይ ሐሰተኛ ቃላት ይጽፋሉ፣ የውሃ ምልክቶችን ያክላሉ፣ እንዲሁም ሰዎችን ከመጠን በላይ ጣቶች ያሏቸው ያደርጋሉ። ከሪንደር በኋላ የተገኘ መጥፎ ፍሬም እንደገና ሪንደር ማድረግ ይከፍላል፤ ከሪንደር በፊት ከተገኘ ግን አንድ እንደገና መሳል ብቻ ይከፍላል። ስለዚህ Studio የሚሳለው እያንዳንዱ ምስል በመጀመሪያ ለአንድ የእይታ ሞዴል ይታያል።
ፍተሻው እንዴት እንደሚሠራ
እያንዳንዱ ፍሬም ለረጅሙ ጎን ከፍተኛው 1,024 ፒክሰል ወደሆነ JPEG ይቀንሳል እና አንድ መመሪያ ጋር ይላካል፡ መልሱን በJSON ብቻ መስጠት፣ ok እውነት ወይም ሐሰት እንዲሁም የችግሮች ዝርዝር፣ ለማንኛውም የተጻፈ ጽሑፍ፣ ፊደላት፣ ቁጥሮች፣ የውሃ ምልክት ወይም ሎጎ፣ ወይም ለተበላሹ እጆች፣ ፊቶች ወይም አካላት፣ ወይም ለተሰበረ ምስል ሐሰት መግለጽ። የተደገፈ ፍሬም በአዲስ ዘር (seed) እንደገና ይሳላል፣ እርስዎ በሚያስቀምጡት ወሰን ድረስ። ምንም ሳል ያልፈቀድ ከሆነ፣ ሥራው ምክንያቶቹን ይዞ ይቆማል እንጂ የተሰበረ ፍሬም አያሳይም። ጠፍጣፋ ቀለም ያለው ፍሬም፣ ወይም አንዳንድ የደህንነት ማጣሪያዎች የሚመልሱት ጥቁር ካሬ፣ ሞዴሉ ከመጠየቁ በፊት ይደገፋል።
ፈተናው
ስክሪፕቶቻችንን የሚጽፈውን ተመሳሳይ የአካባቢ ሞዴል በመጠቀም፣ በራሳችን ማሽን ላይ በvLLM ተያይዞ፣ የምስል ሞዴላችን ቀደም ብሎ ያዘጋጀቸውን አራት ምስሎች ሰጥነውታል፡ በእንጨት ጠረጴዛ ላይ የቡና ስኒ፣ በነጭ ዳራ ላይ ምንጭ ፍራፍሬ፣ በመጻሕፍት መከዳ ፊት ለፊት በስልክ የሚነጋገር ሰው፣ እና "SALE 50% OFF" የሚል ጽሑፍ በላዩ ላይ የተጻፈበት የቡና ምስል።
- ሦስቱ ንጹህ ምስሎች አልፈዋል፣ የመጻሕፍት መከዳውን ጨምሮ፣ የመጻሕፍቶቹን የገጽታ ጫፎች ሐሰተኛ ማንቂያ እንዲያስነሱ ቢጠበቅም።
- የስሎጋኑ ምስል "የተጻፈ ጽሑፍ" በሚል ምክንያት ተደግፏል።
- በሙሉው ሉፕ ውስጥ፣ የስሎጋኑ ፍሬም በመጀመሪያ መጥቶ ተደግፏል፣ እንደገና መሳሉ ደግሞ አልፏል፡ ለዚያ ትዕይንት ሁለት ሳሎች።
እያንዳንዱ ፍተሻ 3 እስከ 14 ሰከንድ ወስዷል፣ በዚያ ጊዜ በሌላ ሥራ ላይ ለነበረ ሞዴል ላይ።
የማያደርገው
አንድ የእይታ ሞዴል ሁለተኛ ጥንድ ዓይኖች እንጂ ዋስትና አይደለም። ትንሽ ችግር (artefact) ሊያመልጠው ይችላል፣ እና ጥብቅ መመሪያ አንዳንድ ጊዜ እርስዎ ሊያስቀርዩት የሚገባውን ምስል ሊደግፍ ይችላል፣ ይህም መጥፎ ቪዲዮ ከመኖር ይልቅ እንደገና መሳል ይከፍላል። አራት ምስሎች የገመድ አያያዝ ፍተሻ እንጂ ስታቲስቲክስ አይደሉም። የመጀመሪያ ቪዲዮዎችዎን ራስዎ ይመልከቱ፣ እና የእንደገና መሳል ወሰንዎን በሚመለከቱት ነገር ያጥብቁ ወይም ያላላሉ።
Studio ይህን ፍተሻ ማንኛውም ሰርቨርዎ የሚያቀርበውን የምስል ግብዓት ያለው ሞዴል በመጠቀም ያካሂዳል፤ የእይታ ቅንብሩን ባዶ ይተው እና ፍተሻው ይጠፋል።