เครื่องมือสร้างภาพถ่ายบุคคลเต็มตัวแบบเรียลไทม์ด้วย AI
(generated.photos)- Human Generator ของ Generated Photos เป็นเครื่องมือออนไลน์สำหรับสร้างและแก้ไขภาพถ่ายบุคคลเต็มตัวแบบเรียลไทม์
- ชูเวิร์กโฟลว์ที่ช่วยสร้าง ภาพเต็มตัว ที่ต้องการได้อย่างรวดเร็วด้วยการคลิกไม่กี่ครั้ง โดยไม่ต้องจ้างโมเดลหรือค้นหาภาพสต็อก
- เงื่อนไขการสร้างครอบคลุม เชื้อชาติ อายุ รูปร่าง รวมถึงการเลือกท่าทางและเสื้อผ้า เพื่อเพิ่มความหลากหลายของภาพบุคคล
- สามารถนำใบหน้าจริงที่อัปโหลดไปใช้กับร่างกายที่สร้างขึ้นได้ โดย ใช้งานแบบไม่เชิงพาณิชย์ได้ฟรี ส่วนการใช้งานเชิงพาณิชย์ต้องติดต่อแยกต่างหาก
- มีแผนเพิ่มฟีเจอร์ เช่น การสร้างรูปแบบต่าง ๆ ของบุคคลเดียวกัน แอนิเมชันสั้น และการดู·ดาวน์โหลดผลงานที่เคยสร้างไว้
การสร้างบุคคลเต็มตัวที่ Human Generator มอบให้
- Human Generator เป็นเครื่องมือ สร้างภาพถ่ายบุคคลเต็มตัวแบบเรียลไทม์ ของ Generated Photos
- มีเป้าหมายให้ได้ภาพบุคคลที่ต้องการด้วยการคลิกเพียงไม่กี่ครั้ง
- ใช้เพื่อลดขั้นตอนการติดต่อเอเจนซีนางแบบ/นายแบบ หรือการค้นหาภาพสต็อกที่เหมาะสม
- ตัวเลือกการสร้างและแก้ไขครอบคลุมทั้งรูปลักษณ์ของบุคคลและการจัดองค์ประกอบฉาก
- การสร้างบุคคลแบบสมจริงอย่างยิ่ง: ชูว่าด้วยอัลกอริทึม AI ขั้นสูง ทำให้แยกบุคคลที่สร้างขึ้นจากคนจริงได้ยาก
- ความหลากหลาย: สามารถสร้างตัวละครจากหลายเชื้อชาติ อายุ และรูปร่างได้
- การเลือกท่าทาง: เลือกได้ตั้งแต่โพสแบบมืออาชีพไปจนถึงท่าทางสบาย ๆ
- ใช้ใบหน้าจริง: สามารถนำใบหน้าจริงไปใช้กับร่างกายที่สร้างขึ้นได้ทันที
- เปลี่ยนเสื้อผ้า: ลองตัวเลือกเสื้อผ้าได้หลายแบบ
- เงื่อนไขการใช้งานแบ่งตามวัตถุประสงค์
- การใช้งานแบบไม่เชิงพาณิชย์ ฟรี
- การใช้งานเชิงพาณิชย์ต้องติดต่อที่
work.with@generated.photos
ฟีเจอร์ที่จะเพิ่มและกลุ่มผลิตภัณฑ์ของ Generated Photos
- Human Generator มีแผนเพิ่มฟีเจอร์ที่ทำให้การนำผลลัพธ์ที่สร้างไปใช้ซ้ำได้ง่ายขึ้น
- Generate variations: สร้างรูปแบบต่าง ๆ หลายแบบของบุคคลเดียวกันในครั้งเดียว
- Animations: ทำให้บุคคลที่สร้างขึ้นเคลื่อนไหวเป็นแอนิเมชันสั้น
- History: กลับไปดูและดาวน์โหลดบุคคลที่เคยสร้างไว้ก่อนหน้า
- ยังมีผลิตภัณฑ์ที่เกี่ยวข้องซึ่งให้บริการร่วมกัน
- Face Generator: สร้างใบหน้าที่เป็นเอกลักษณ์ด้วยพารามิเตอร์
- Face gallery: แกลเลอรีใบหน้าที่สร้างด้วย AI
- Anonymizer: ปกป้องตัวตนด้วยภาพถ่ายที่สร้างขึ้น
- Datasets: ชุดข้อมูลสำหรับการฝึกและการวิจัย
1 ความคิดเห็น
ความคิดเห็นจาก Hacker News
หากสงสัยว่าทำไมมันถึงเร็ว ราคาถูก และสร้างรูปแบบแปรผันได้ง่ายขนาดนี้ ก็เพราะมันใช้ GAN ตามที่เห็นในฟุตเตอร์
GAN สร้างภาพได้ด้วยการทำ forward pass เพียงครั้งเดียว และด้วย latent space encoding ที่แท้จริง จึงแก้ไขได้ง่าย ทำให้เร็วกว่ารุ่น diffusion มาก
ความเชื่อทั่วไปที่ว่า “GAN ไม่ได้ เพราะมันไม่เสถียรเกินไป” ก็ใกล้เคียงกับตำนานที่แพร่หลาย และแม้แต่นักวิจัย deep learning ที่ควรรู้เรื่องนี้ดี ก็มักพูดซ้ำกัน
GAN สามารถขยายไปใช้กับชุดข้อมูลระดับพันล้านภาพและยังให้ภาพสมจริงคุณภาพสูงได้ และเหมือนกับปรากฏการณ์หลายอย่างใน deep reinforcement learning เมื่อขนาดใหญ่ขึ้น มันอาจไม่ใช่ยิ่งไม่เสถียร แต่ยิ่งเสถียรมากขึ้น
ตัวอย่างเช่น BigGAN on JFT-300m https://arxiv.org/pdf/1809.11096.pdf#page=8&org=deepmind, GigaGAN https://arxiv.org/abs/2303.05511, Projected GAN https://arxiv.org/abs/2111.01007, StyleGAN-XL https://arxiv.org/abs/2202.00273, และ chaos runs ของ Tensorfork https://gwern.net/gan#tensorfork-chaos-runs
นึกถึงคำพูดที่ว่า “คอมพิวติงคือวัฒนธรรมป๊อป”
ไม่ได้หมายความว่า GAN จะยอดเยี่ยมไม่ได้ แต่ผมไม่อยากใช้ไซต์นี้เป็นตัวอย่างสนับสนุนข้ออ้างนั้น
ไม่เข้าใจว่าทำไมถึงอยากให้ใช้สิ่งที่ด้อยกว่าการเอา checkpoint พื้นฐานของ SD1.5 แบบสมจริงที่พอใช้ได้มาใส่ prompt template พื้นฐาน
ในบรรดาตัวอย่างเหล่านั้น GigaGAN ที่คุณภาพดีที่สุดยังต้องใช้ loss function ถึง 7 ตัว และสถาปัตยกรรมก็ซับซ้อนมาก
GAN ก็ scale ได้จริง แต่ diffusion model นั้น scale ได้ง่ายกว่ามาก
ถ้าหมายถึงนักวิจัยบอกว่า GAN ไม่เสถียรใน ช่วง inference ก็อยากรู้ว่าเห็นบรรยากาศแบบนั้นจากที่ไหน
โดยทั่วไปคำวิจารณ์ในช่วง inference จะใกล้เคียงกับ mode collapse และความซ้ำซากที่เกิดจากการเทรน มากกว่าจะเป็นเรื่องความไม่เสถียร
แต่ถ้าหมายถึงความไม่เสถียรระหว่างการเทรน นั่นเป็นคำวิจารณ์ที่พบได้บ่อย และผมก็คิดว่าจริงอยู่ไม่ใช่หรือ
มีการใช้เทคนิคสารพัดอย่าง เช่น TTUR และตัวปรับสมดุลน้ำหนักของ encodec เพื่อทำให้เกมแบบปฏิปักษ์ระหว่าง generator กับ discriminator ที่แข็งแกร่งกว่าเข้าที่
ในกรณีนี้ก็ยังอยากรู้ว่าคุณมองว่าการเทรน GAN เป็นเรื่องเข้าใจง่ายพอ ๆ กับการเทรน diffusion model หรือไม่
จากประสบการณ์ของผม การเทรน GAN มี heuristic มากมายจนน่าขนลุก และแนวปฏิบัติที่ดีที่สุดก็ยังค่อนข้างคลุมเครือ
ผมพูดจากประสบการณ์การนำ GAN และ diffusion model ไปใช้กับโดเมนอื่นอย่างเสียง และปัญหา conditional แบบใหม่ ๆ ไม่ใช่จากประสบการณ์การขยายหรือปรับแต่งโมเดลที่ทำงานได้ดีอยู่แล้วในภาพ
อยากเห็นการทดลองแบบควบคุมมากขึ้น ที่มี backbone สำหรับการสร้างแบบอ่อนและแบบประณีตเป็นกลุ่มควบคุม แล้วเปรียบเทียบโดยเปลี่ยนระบบการเทรนของวิธี GAN และ diffusion หลายแบบ
ตัวอย่าง (NSFW): https://generated.photos/human-generator/64e741e6c4c0f80009e...
จำนวนแขนขา จำนวนนิ้ว ฯลฯ ผิด
บางครั้งก็มีผลลัพธ์ที่ใช้ได้ แต่ดูเหมือนมีราว 5% และผลลัพธ์ที่ดีโดยไม่มีความผิดรูปที่เห็นได้ทันทีมีประมาณนี้ (NSFW มาก): https://generated.photos/human-generator/64e7590e482612000b1...
ประมาณ 95% ของภาพที่สร้างมาจนถึงตอนนี้มีความผิดรูปอย่างชัดเจน
ภาพที่เพิ่งสร้างมีมือโผล่ออกมาจากข้อเท้าซ้ายแทนที่จะเป็นเท้า และตรงปลายรองเท้าขวาก็มีอะไรไม่รู้ที่ดูไม่ออกว่าเป็นนิ้วเท้าหรือนิ้วมือโผล่ออกมา: https://generated.photos/human-generator/64e682308448b8000c5...
เข้าใจว่าผลลัพธ์ส่วนใหญ่ดูตลก และคอมเมนต์ HN นี้ก็เป็นหนึ่งในสิ่งที่ตลกที่สุดที่ได้เห็นมาพักใหญ่ https://news.ycombinator.com/item?id=37239909
แต่ถึงอย่างนั้น สิ่งนี้ก็น่ากลัวอย่างยิ่ง
เครื่องมือแบบนี้จะดีขึ้นเรื่อย ๆ และภายในไม่กี่ปี ก็คงยากจะสงสัยว่าเราจะสามารถเอาภาพของบุคคลสาธารณะที่มีชื่อเสียงไปใส่ในภาพที่สร้างขึ้นแบบไหนก็ได้ตามต้องการ จนแยกไม่ออกจากความจริง
แค่ดูกรณีอย่างภาพ พระสันตะปาปาใส่เสื้อพัฟเฟอร์ ก็เห็นได้ว่าไม่ได้ไกลตัวนัก
ความหวังเดียวคือ คุณภาพของภาพออนไลน์จะตกต่ำอย่างสุดขั้วจนผู้คนไม่เชื่อทุกอย่างที่เห็นบนออนไลน์โดยสิ้นเชิง และสุดท้ายก็เริ่มกลับไปใช้เวลาอยู่นอกบ้านอีกครั้ง
[1] (NSFW, จริง ๆ) https://deepnude.cc/
เมื่อไม่กี่ปีก่อน การสร้างภาพแบบนี้ยังจินตนาการได้ยาก และตอนนี้เครื่องมือนี้ทำได้แล้ว แต่คงมีข้อบกพร่องชวนขำอยู่ราวครึ่งหนึ่ง
หากไม่มีเหตุผลให้เชื่อว่าการปรับปรุงเพิ่มเติมเป็นไปไม่ได้ ก็มีโอกาสสูงที่ในอนาคตอันค่อนข้างใกล้จะ แยกไม่ออกจากความจริง
ในบางแง่ อาจปลอดภัยกว่าด้วยซ้ำ
เพราะเมื่อมันกลายเป็นเรื่องเล็กน้อยและง่ายเกินไป ผู้คนก็จะไม่เชื่อโดยอัตโนมัติว่ารูปถ่ายเป็นของจริง
ต่อให้โพสต์รูปนู้ดของตัวเองลงออนไลน์ ก็ยังอ้างได้ว่าเป็นสิ่งที่ผู้ไม่หวังดีสร้างด้วย AI
สิ่งที่น่าสงสัยคือหายากว่าใครอยู่เบื้องหลังบริการนี้
ปกติมักจะมีหน้าแนะนำหรือリンクไปยังบริษัทแม่ แต่พอกวาดดูเงื่อนไขการใช้งานกับนโยบายความเป็นส่วนตัวแบบคร่าว ๆ ก็ยังไม่ชัดว่าเป็นใครและดำเนินงานจากที่ไหน
ลิงก์ LinkedIn บอกว่ามีพนักงาน 8 คน และส่วนใหญ่ดูเหมือนทำด้านพัฒนาธุรกิจนอกสหรัฐฯ
ไม่ได้คิดว่ามีเจตนาร้ายอย่างการขโมยข้อมูลผู้สมัครหรือยักย้ายการชำระเงิน แต่ก็มีส่วนทำให้ ความเชื่อถือบนอินเทอร์เน็ตล่มสลาย
ตอนนี้เริ่มยากจะแน่ใจว่าเรากำลังคุยกับสุนัขจริง ๆ ที่ใส่ชุดนอนอยู่บนออนไลน์ หรือคุยกับ AI ที่เลียนแบบสุนัขกันแน่
ปกติผมจะไม่คอมเมนต์แบบนี้ แต่ถ้าเป็นผลิตภัณฑ์เสียเงินหรือบริการที่รับข้อมูลส่วนตัว การเปิดตัวโดยที่ไม่รู้ว่าอยู่ที่ไหนและเป็นใครก็ดูแปลก
เป็นบริษัทเดียวกับ Icons8 ที่ทำขึ้น และ Icons8 ก็มีประวัติมายาวนาน
ผู้ก่อตั้งคือ Ivan Braun และเป็นบุคคลจริง
รู้จักกันมาตั้งแต่สมัย Icons8
ในกรณีแบบนั้น หลายคนจึงอยากไม่เปิดเผยตัวตนและเปิดตัวแบบเงียบ ๆ เพื่อไม่ดึงความสนใจจากองค์กรงานหลัก
ไม่ใช่ทุกคนจะเป็นอินฟลูเอนเซอร์สายเทคบน Twitter ที่ประกาศผลงานตัวเองบน ProductHunt ได้โดยไม่มีปัญหา
เช่น ทำให้ผู้คนเผลอเห็น CSAM แล้วขู่จะแจ้งหน่วยงานสืบสวนหรือทำให้ชีวิตแต่งงานพัง เพื่อบังคับควบคุมเหมือนเจ้าหน้าที่ต่างชาติที่ไม่เต็มใจ
ฟังดูเหมือนทฤษฎีสมคบคิด แต่ไซต์นี้ไม่เปิดเผยตัวตน ใช้ฟรี มุ่งเป้าวิศวกรภาษาอังกฤษ และสร้างคอนเทนต์ที่น่าสงสัยอย่างยิ่ง
แค่ดูคอมเมนต์บางส่วนในเธรดนี้ ก็ชัดพอสมควรว่าไซต์นี้สร้าง CSAM ในสัดส่วนหนึ่ง
การใช้ไซต์นี้เพียงอย่างเดียวก็เท่ากับทอยลูกเต๋า และอาจกลายเป็นอาชญากรจนถูกเกาหลีเหนือหรือหน่วยข่าวกรองต่างชาติอื่นใช้เป็นเบี้ย
หากหน่วยข่าวกรองต่างชาติติดต่อมาเพื่อแบล็กเมล ควรรายงานไปที่ https://www.inscom.army.mil/isalute/ และ 1-800-CALL-FBI(1-800-225-5324)
ทุก URL จำเป็นต้องถูกขุดข้อมูลตัวตนได้หรือไง?
เขาบอกว่า “ด้วยอัลกอริทึม AI ขั้นสูง คุณจะไม่สามารถแยกมนุษย์ที่ Human Generator สร้างขึ้นออกจากคนจริงได้” แต่ถ้าภาพที่ยกมาคือดีที่สุดแล้ว ก็มีข่าวร้ายอยู่
ใช่แล้ว มี 6 แบบ
แต่ดูเหมือนว่ามันจะเชี่ยวชาญจุดสูงสุดของ uncanny valley ได้จริง ๆ และไม่ค่อยแน่ใจว่าสิ่งนี้จะมีประโยชน์ตรงไหน
มีเส้นคมผิดธรรมชาติอยู่ทุกที่ และเงาทอดมาจาก 5 ทิศทาง
การเรียกสิ่งนี้ว่า “สมจริงเหนือจริง” นี่ตลกดี
ได้เงือกที่มีผิวเหมือนพลาสติกกับน้ำทะเลฉากหลังที่เรนเดอร์ได้แย่มาก
https://generated.photos/human-generator/64d6dde03af7f90007c...
สงสัยว่าถ้าไม่รู้ว่าภาพเป็นสิ่งที่ AI สร้างขึ้น จะรู้สึกแบบเดียวกันไหม
มีเขียนไว้ว่า “หากต้องการใช้ภาพที่สร้างด้วย Human Generator ในโปรเจกต์เชิงพาณิชย์ ให้ติดต่อสอบถาม” แต่ถ้าภาพที่สร้างโดย AI ไม่มีลิขสิทธิ์ แล้วจะบังคับใช้ได้อย่างไรกัน?
เคยมีคดีอยู่บ้าง แต่ก็มีองค์ประกอบซับซ้อนปนอยู่ เช่น ผู้สร้างเป็นการสร้างแบบอัตโนมัติที่ไม่ใช่มนุษย์ หรือใช้ผลงานที่สร้างขึ้นเป็นฐานของงานอื่น
อีกอย่าง แม้จะไม่มีลิขสิทธิ์ เงื่อนไขการใช้บริการก็อาจมีผลแยกต่างหากได้
เช่น คล้ายกับกรณีที่ OpenAI ไม่อนุญาตให้นำเอาต์พุตจากโมเดลของ OpenAI ไปฝึกโมเดลคู่แข่ง
โครงสร้างคือยอมให้ใช้ตัวสร้างภาพ แลกกับการตกลงว่าจะไม่ใช้เชิงพาณิชย์
ถ้านำไปใช้เชิงพาณิชย์ก็เป็นการละเมิดข้อกำหนด และพวกเขาจะอ้างว่านี่เป็นสัญญาที่บังคับใช้ได้
ไม่เกี่ยวกับลิขสิทธิ์
ดังนั้นผลทางกฎหมายจึงดูเหมือนเป็นแค่คำขออย่างสุภาพ
ไม่ใช่นักกฎหมาย
ยังไม่ชัดเจนด้วยว่าผู้ใช้เว็บไซต์ที่มีเครื่องมือ Generative AI จะถูกถือว่าเป็นผู้สร้างที่ไม่ใช่มนุษย์หรือไม่ และโดยส่วนตัวแล้วผมเอนเอียงไปทางว่ามีผู้สร้างที่เป็นมนุษย์อยู่
แค่ใช้พู่กันขนม้าวาดภาพ ไม่ได้ทำให้ภาพนั้นกลายเป็นผลงานของม้าและทำให้ลิขสิทธิ์หายไป
ผลลัพธ์ที่ผ่านการตั้งค่ากว่าสิบรายการ ตัวเลือกจำนวนมหาศาล และอินพุตอิสระหลายอย่าง สุดท้ายก็คงต้องตรวจสอบกันว่าเป็น “สิ่งที่ไม่ได้สร้างโดยมนุษย์” จริงหรือไม่
ผมลองขอผู้หญิงใส่ “ชุดเดินเขา” ในป่า แล้วได้ผู้หญิงใส่เดนิมจีสตริงกับอะไรคล้ายถุงน่องเดนิม เสื้อท่อนบนเหมือนชุดราตรี และเผยหน้าอกออกมา
มีแค่ผมหรือเปล่าที่รู้สึกว่าหน้าอกของผู้หญิงในตัวอย่างทั้งหมดดูแปลก ๆ?
ทุกคนดูเหมือนหน้าอกติดอยู่สูงเกินไป และจากที่คนอื่นแชร์ว่ามีภาพเปลือยออกมาจากเครื่องมือนี้ด้วย ดูเหมือนชุดข้อมูลที่ใช้ที่นี่จะถูกปรับให้เข้ากับผู้ชม “เฉพาะกลุ่ม”
แถมไม่ได้เร็วด้วย
ในครั้งแรกมันเหมือนแสดงซ้ำสิ่งที่สร้างไว้แล้ว
อาจเพราะอย่างนั้น ผมเลยได้ผู้ชายใส่เสื้อชมพูรัดรูปกำลังกินเค้กติดกัน 5 รูป
น่าทึ่ง
ในเวลาที่ต้องใช้เพื่อสร้างภาพสักภาพให้ตรงกับความต้องการของผมหรือลูกค้า หรือซื้อภาพสต็อกคุณภาพสูงสักภาพ เราสามารถสร้าง ภาพที่ดูสมจริงแต่ไม่น่าดึงดูด ได้เป็นล้าน ๆ ภาพ ซึ่งต้องให้ commercial illustrator ที่มีฝีมือมาปรับแก้ถึงจะพอใช้ได้
ถ้าใช้ในปริมาณมากแล้วทิ้งไปเลยล่ะ?
ผมต้องสร้างภาพประมาณ 5 ภาพกว่าจะได้ภาพมุม 3/4 แทนที่จะเป็นภาพเต็มตัว
การให้วิศวกรแก้ปัญหาเฉพาะหน้ากับงานที่นักออกแบบควรทำนั้นแย่พออยู่แล้วในอินเทอร์เฟซทั่วไป แต่ถ้าจะขายผลิตภัณฑ์ศิลปะเชิงพาณิชย์ ก็ต้องมีคนที่เชี่ยวชาญสาขานั้นจริง ๆ
ต่อให้เทคโนโลยีจะเจ๋งแค่ไหน และในทางทฤษฎีจะเหมาะกับกลุ่มลูกค้าศิลปะเชิงพาณิชย์เพียงใด ถ้าขายศิลปะ ก็จะถูกวิจารณ์ในฐานะศิลปะ
หวังว่าจะใจแข็งพอ
นี่ถูกระบุว่าเป็นผู้หญิงไอซ์แลนด์วัยผู้ใหญ่สุขภาพดี: https://generated.photos/human-generator/64e6ff848448b800095...
ทำให้อยากรู้ระดับรังสีขึ้นมาเลย
“เคยได้ยินคนมี foot fetish ใช่ไหม? Brian จะมีอารมณ์เฉพาะกับผู้หญิงที่มีเท้าแทนมือเท่านั้น”
ตกลงเอาอะไรไปฝึกกันแน่?
ภาพที่สร้างทั้งหมดที่ออกมาตอนเข้าไปที่หน้าเว็บแล้วกด “create human” ดูเหมือนไม่ใช่การสร้างแบบเรียลไทม์ แต่เหมือนเลือกจากรายการภาพที่เติมไว้ล่วงหน้า
น่าจะมีการคัดกรองล่วงหน้าตามเกณฑ์ความแม่นยำด้วย
มักจะออกมาแทบทันทีเสมอ แต่แค่แก้รายละเอียดเล็กน้อยกับตัวแบบเดิม เว็บไซต์ก็ล้มเหลวโดยบอกว่าเต็มความจุแล้ว
ผู้ใช้หลายคนยังชี้ให้เห็นภาพที่มีปัญหาทั่วไปเกี่ยวกับมือและอวัยวะอื่น ๆ ด้วย
อย่าตัดสินไซต์นี้จากผลลัพธ์ที่หน้า landing page ส่งกลับมาเท่านั้น