سمسون

جمینی ۲.۵ فلش ایمیج ویرایشگر تصویری هوشمند گوگل که فتوشاپ را به چالش میکشد, گوگل با رونمایی از نسخه پیشرفتهی ابزار تصویرسازی جمینی، که با نامکد نانو بنانا شناخته میشود، قدمی بزرگ در عرصه ویرایش عکس با هوش مصنوعی برداشته است. این مدل که به صورت فنی ۲.۵ نامگذاری شده، قابلیت ساخت و دستکاری تصاویر را تنها با دستورات متنی یا صوتی برای کاربران فراهم میآورد.

از جمل قابلیتهای برجسته میتوان به جایگزینی اشخاص در عکس، تغییر پوشش پوشاک، ترکیب عناصر از تصاویر مختلف و ساخت پسزمینههای کاملاً جدید اشاره کرد. انتشار موبایلمحور و تستهای واقعی این ویژگی در حال حاضر به صورت رسمی و اختصاصی از طریق اپلیکیشن موبایل جمینی در دسترس است و نسخه وب هنوز از تمام امکانات جدید پشتیبانی نمیکند.

به جمینی داد و خواستار قرار دادن خود بر روی صندلی قرمز شد.

جزئیات و دقت در بازسازی اعضا نتیجه فراتر از انتظار بود جمینی نه تنها او را در صندلی قرار داد، بلکه دست و پاها را که در عکس اصلی قابل مشاهده نبودند، به صورت طبیعی بازسازی کرد. حتی لوگوی تیشرت که تنها به صورت ناقص دیده میشد، به طور کامل تکمیل گردید.

سناریوهای کاربردی متنوع گوگل سناریوهای گستردهای برای این ابزار تصور کرده است از ترکیب عکس شخصی با حیوان خانگی و تغییر دکوراسیون اتاق برای پیشنمایش کاغذ دیواری، تا جایگزینی پسزمینه با هر مکان دلخواهی در جهان. همچنین امکان تبدیل عکس ویرایششده نهایی به یک ویدیو کوتاه با آپلود مجدد در چت وجود دارد.

حذف اشیاء و اصلاح پوز در تستهای دیگر، پیلچ با درخواست حذف دو مجسمه از کنار عکس دخترش روبرو شد؛ مجسمهها محو شدند و سایه درخت به طور هوشمندانه برای پر کردن فضای خالی گسترش یافت. در مرحله بعد، درخواست قرار دادن دختر در پیشزمینه اهرامها با اصلاح خودکار پوز ایستادن برای حالت طبیعیتر، به خوبی اجرا گردید.

سرعت، معماری ابری و واترمارک یکی از نکات قوت این ابزار، سرعت پردازش در عرض چند ثانیه است که تمام محاسبات در فضای ابری انجام میشود. حتی عکس جلد این مطلب نیز با کمک جمینی تولید شده است. گوگل برای مقابله با سوءاستفادهها، واترمارک نامرئی را در تصاویر خروجی گنجانده تا تشخیص محتوای تولیدشده توسط هوش مصنوعی آسانتر شود.

محدودیتهای امنیتی و دسترسی توسعهدهندگان سیستم حفاظتهایی در برابر تولید تصاویر پورنوگرافیک و چهرههای حساس تاریخی دارد، هرچند تولید تصاویر سلبریتیها مانند تیلور سوئیفت یا دونالد ترامپ محدودیت ندارد. گوگل این مدل را برای توسعهدهندگان از طریق API جمینی، Google AI و AI با هزینه ۳۰ دلار در ازای هر میلیون توکن خروجی (معادل حدود ۰.۰۳۹ دلار برای هر عکس) عرضه کرده است.

این نسخه به عنوان یک انتشار موقت معرفی شده و گوگل از بهبودهای آتی خبر داده است. همچنین شراکت با پلتفرمهایی مانند و برای گسترش دسترسی فراهم شده است.