Я неделю генерировал изображения хот-догов во славу «Яндекса»

Проверяю, выглядит ли их нейросеть конкурентно.

«Миджорни» только что представила веб-версию — до этого нужно было танцевать с бубном вокруг телеграм-ботов или аккаунтов «Дискорда». В поиске альтернатив пару недель назад скачал «Шедеврум».

В паре слов, это бесплатное приложение «Яндекса» для генерации картинок по описанию. Над каждым запросом думает от 15 секунд до примерно минуты (зависит от времени суток, ночью быстрее) и предлагает четыре варианта. Выбранный вариант можно скачать в разрешении ~1Мп (1024х1024). Количество попыток не ограничено.

Приложение работает как социальная сеть на минималках: местные пользователи оценивают картинки друг друга, и, полагаю, там самым помогают доучить нейронку. Правда, в ленте в основном примеры неудачных запросов и получающаяся цветастая чушь.

Ещё там можно создавать тексты и видео, но сегодня не об этом.

Для тестов выбрал шесть съедобных объектов. Вот результат генерации без дополнительных условий:

К запросам добавил несколько ключевых слов: 3d icon render на белом фоне clean. Так получил симпатичные нарисованные объекты: объёмные и полностью помещающиеся в кадр, на светлых фонах. С ними должно быть удобно работать дальше.

Попросил нейросеть представить, как мои объекты выглядели бы из бумаги. Запрос пополнился словами бумажный и оригами. Получилось вполне изобретательно.

Затем генерируем объекты из кубиков (лего набор конструктор). Нормально, но при детальном рассмотрении это скорее наборы с распродажи «Алиэкспресса»: кубики и сами странные, и стыкуются странно (хотя нейросеть училась на идеальных примерах — фотографиях и рендерах реальных конструкторов).

С другой стороны, материалы выглядят правдоподобно-пластиково, со стыками и зазорами.

Возможно, проблема лечится более хитрым промтом — например, названием софта для создания реальных Lego-наборов или чем-то в этом духе.

Далее несколько рукодельных раундов. Сначала делаем объекты плюшевыми (плюшевый сшитый ворсистый игрушечный ткань). Эта серия, к слову, набрала много лайков.

На 80% нейросети удалось передать материал и поверхность игрушек. Но, как видите, сосиска осталась пластиковой, соус гелеобразным, а рожок ещё выглядит съедобным. Откуда взялись пластиковые пипки так и не смог понять.

Бабушкин раунд идеально удался: нити красиво и геометрично сплелись. Промт максимально простой — шерстяной связанный.

Мой любимый круг генерации: надувные резиновые объекты. Получилось круто: могу представить детей, которые в Адлере плавают с такими штуками. И цвета, и блики, и поведение материала (местами даже видна подсдутость) выглядят правдоподобно.

Пластилиновые объекты могли бы быть лучше, хотя обрели правильные свойства — края стали неровными, рукотворными; объекты местами деконструировались до монотонных кусочков пластилина.

Иногда нейросеть спотыкается: более охотно преобразовывает те детали, которые люди и сами часто меняют. К примеру бургерная булочка может пшеничной, ржаной, золотой — нейросеть видит и подхватывает эту вариативность. А вот вафельный рожок везде одинаковый, и сетка очень старается оставить его в оригинальном виде. Я добавил в промт всякие пластилиновые мультики и игры типа Neverhood, но рожок так и не поддался.

Ещё немного резины: в этот раз в стиле воздушных шариков (праздничный надутый воздушный шар резиновый). Забавно, что сетка отказалась работать со словом латекс — оно в запретном списке. Получился приятный результат: нейросеть местами подмешала праздничный золотистый оттенок. Чёртов рожок опять вафельный.

Последнее, на что хватило моей фантазии — мозаичные и витражные объекты. Далеко не с первого раза они получились, и в итоге довольно разными. Неудивительно: надо уточнять запрос какими-то стилями, именами художников и скульпторов, конкретными названиями витражей для более консистентного результата.

Бургерная котлета поддалась последней, а вот с картошкой фри сетка так и не поняла, что делать (по крайней мере, в первые 10 попыток).

Изначально хотел кормить картинками другие нейросети, чтобы убрать с них фон. В среднем получается вполне сносно, приведу даже более живописный пример: результат работы нейронки, которая по плоскому изображению из «Шедеврума» построила трёхмерное.

Наверное, это и будет главным выводом этой статьи: до эксперимента «Шедеврум» лично для меня звучал, как что-то не совсем неприличное. На деле вполне сподручен и очень доступен: возможно, в следующий раз напишу сравнительный обзор уже с другими сетками.

Делаем изометрические домики (дом здание isometric). Нейронка нахваталась разных типов изометрий, поэтому домики плохо стыкуются между собой (возможно, промт можно уточнить названиями ракурсов).

В целом, вышло довольно оригинально: немного поплыли предметы экстерьера вроде окон, зато получилось творчески замешать исходные объекты и здания. Идеальный способ получить идеи и референсы изометрических городов.

Роботы из объектов получились интересные (пластиковый белый робот). Чем более детализированный робот, тем выше шанс, что сетка вляпается в какую-то из традиционных проблем: в те же сложности с отрисовкой пальцев, например.

Робокотлету сделать не получилось, да и не нужна она роботам, котлета ваша.

Наверное, самое творческое задание — смешать объект и лампочку. Некоторые объекты получились быстро, по другим приходилось много раз менять запрос. Например, добавлять к нему слова нить и накаливание, чтобы сетка лучше понимала, какую часть лампочки можно кастомизировать. Рожок не получился лампочкой.

Главное не класть их в рот.

Ещё несколько тематических генераций.

Стимпанк:

Кожа и шипы: