Генеративні системи ШІ для створення зображень

Дослідження ключових питань з фактами та візуальними елементами

Роман Юрій

Львів, 2025

Що таке генеративний ШІ для зображень?

Генеративний ШІ для зображень— це підрозділ штучного інтелекту, що використовує моделі для створення нових зображень на основі даних, таких як текстовий опис або існуючі зображення.

Подібно до того, як художник використовує фарби та пензлі, ШІ використовує алгоритми і коди.

•  Замість ретельних штрихів, ШІ обробляє дані, вивчає закономірності та створює зображення на основі наданого користувачем опису (промпту).

•  Генерація відбувається на основі текстового опису або аналізу інших даних.

•  Зображення, згенеровані ШІ, не обмежуються лише портретами, вони можуть створювати абстрактні твори мистецтва, достатньо реалістичні, щоб виглядати як створені людиною

Основні типи:

●      GANs (генеративні змагальні мережі), ●    VAEs (варіаційні автокодери) ●        та дифузійні моделі.

    VAE (ліворуч)        та      GAN (праворуч).

VAE, як правило, створюють більш плавні, але розмиті зображення завдяки своєму ймовірнісному декодуванню.

Історія генерації зображень: Ключові етапи

Технології генерації: Символьний vs Глибинне навчання

1. Символьний ШІ (AARON)

•               Принцип: Працює за програмуванням на основі правил (rule-based programming) та логічних правил.

•               Механізм AARON:Гарольд Коен вручну закодував художні правила та інструкції, як малювати лінії, пов'язувати лінії з формами, балансувати пропорції та приймати рішення щодо

композиції.                                                                                                                                             1980 рік

•               Фокус: AARON зосереджувався на глибинній логіці малювання та внутрішніх аспектах людського пізнання (наприклад, розрізнення фігури та фону).

Мені знадобилося 20 років, щоб навчити ААРОНА малювати. Як я можу навчити його розфарбовувати, перш ніж помру?

— Гарольд Коен, 1989

1. Символьний ШІ (AARON)

2. Генеративні Змагальні Мережі (GAN) 

Використовує дві нейронні мережі:

●        Генератор (створює зображення)

●        Дискримінатор (оцінює, чи є зображення реалістичним).

à˼˽õ̆í̂̆íí˾ïë˾òðëâ˨ëðëù˻öðö˻˻ô˻ò̆ḯë˻öð˿˼˻òþô̆ï˾ê˿˻î˼ôôāíòā̀öë˾˿˼ôôā ô˾ëð̂˿˾ê̆öô˻˾̀ô˾ë̆ëðëù˼ôð̂ú˻êò˾ô̆ëö˻̂́í˾îô̆̂̀öðò̆ë

˴˻˽ë̆í˾ó̆úðóõ˿ðñò˻í˾ó̀ö˻ò˻˿˾ê˾ö˻m˶˾˿ö˿˼ö˱íó˾ô˻í˼Ø˼ò˻ó̆|̀öë˾˿˼ô˻ õ˻˿ðïþñðóñ˾ò˼ñöðë˾ó3FZMSYẂ˿˾ø̆ïëðñ˾˿ð̀ö˻ôôāó˻òì˾˿ðöó́ô˻ëù˼ô˾ì˾ ô˻õ˾˿ö˿˼ö˻̂ï̀ö˾ò̆öþ

àāñ˻˿öðô˻̀ö˻ò˻õ˼˿úðóöë˾˿˾ó ̀öë˾˿˼ôðóúö́ùôðó̆ôö˼ò˼ñö˾ó û˾ếëõ˿˾í˻ôð˽ô˻˻́ñø̆˾ô̆

'LVMWXMIWï˻

3. Дифузійні Моделі

Модель дифузії – це тип генеративного штучного інтелекту, який використовується для створення високоякісних зображень з текстових підказок.

Stable Diffusion, яка генерує зображення на основі текстових описів, а інші, такі як DALL-E 2, Midjourney та Imagen, також функціонують аналогічно.

Як це працює:

–              Прямий процес (додавання шуму): Чисте зображення подається в модель, і шум поступово додається, доки воно не стане чисто статичним або повністю «розсіюється».

–              Зворотний процес (усунення шуму): Модель навчається зворотному процесу. Вона навчається «усувати шум» випадкове зображення з шумом крок за кроком, зрештою створюючи нове, когерентне зображення з шуму, відповідно до своїх навчальних даних.

Приклад зворотного процесу:

–              Вхідний запит: «Фотореалістичне зображення собаки в маленькому капелюсі».

–              Завдання моделі: Модель починає з поля випадкового шуму. На кожному кроці вона прогнозує шум, який було додано для створення трохи чіткішого зображення, віднімає його та повторює процес. – Вивід: Після багатьох кроків процес призводить до узгодженого зображення, яке відповідає текстовому запиту, наприклад, собака у маленькому капелюсі.

Основні AI-платформи для зображень

Основні AI-платформи для зображень

●        +SSKPI+IQMRM˿˻ô̆ú˼&EVH ô˻í˻ăó˾îòðë̆̀öþ̀öë˾˿Āë˻öð ï˾ê˿˻î˼ôôāê˼ïõ˾̀˼˿˼íôþ˾ë̆ôö́̇öðëô˾ó́̆ôö˼˿÷˼˽̀̆̀̂˾î˾ó́ô˻

+SSKPI7IEVGLïê˼ïñ˾úö˾ëôðóí˾̀ö́õ˾óí˾ë̀̆̂÷́ôñø̆˽

●        1MGVSWSJX(IWMKRIVõ˿˻øĀăô˻˾̀ô˾ë̆(%00)õ˿˾õ˾ốĀùðõ˿˾̀ö́ö˻ í˾̀ö́õốê˼ïñ˾úö˾ëố˻òþö˼˿ô˻öðë́'LEX+484PYW

●        'ERZE˾êăíốăñ̆òþñ˻ó˾í˼ò˼˽1EKMG1IHME(%00)-QEKIR  í˾ïë˾òāĀùðñ˾˿ð̀ö́ë˻ù˻ó˼ñ̀õ˼˿ðó˼ôö́ë˻öðï˿̆ïôðóðõ̆í̂˾í˻óð ô˻˾íô̆˽õò˻ö÷˾˿ó̆

+SSKPI(IIT(VIEQõ̀ð̂˾í˼ò̆ùô˼óð̀ö˼øöë˾â˨

(IIT(VIEQë̆í+SSKPIõ˿˼í̀ö˻ëòāắô̆ñ˻òþố÷˾˿ó́úö́ùô˾ì˾̆ôö˼ò˼ñö́ û˾ï˻̀ö˾̀˾ë́ă˻òì˾˿ðöó̆ùốõ˻˿˼˽í˾ò̆Āíòā̀öë˾˿˼ôôāõ̀ð̂˾í˼ò̆ùôð̂ ë˼˿̀̆˽̆̀ốĀùð̂ï˾ê˿˻î˼ôþ à˼˽ó˼ö˾íí˾ïë˾òāăâ˨mê˻ùðöð|ïô˻˽˾ó̆˾êăñöðö˻õ˾̀ðòĀë˻öð̇̂í˾ ˻ề́˿íôð̂̀Ā˿˿˼˻ò̆̀öðùôð̂÷˾˿óû˾ô˻ì˻í́Āöþ̀ôðÙ˾̀ò̆íôðñðõ˾ù˻òð ëðñ˾˿ð̀ö˾ë́ë˻öð(IIT(VIEQ́õ˾ăíô˻ôô̆ïö˼̂ô˾ò˾ì̆āóðë̆˿ö́˻òþô˾̇ ˿˼˻òþô˾̀ö̆íòā˼ñ̀õ˼˿ðó˼ôö̆ë́ñ˾ìô̆öðëô̆˽õ̀ð̂˾ò˾ì̆̇ö˻ô˼˽˿˾ô˻́ñ˻̂ ˸ð̀ö˼ó˻í˾̀ò̆íî́ăāñó˾ï˾ñ̀õ˿ð˽ó˻ă˾ê˿˻ïðö˻˿˼˻ì́ăô˻ô˼̀ö˻ôí˻˿öô̆ ë̆ḯ˻òþô̆̀öðó́òð̀öë˾˿ĀĀùð̂˻˿˻ñö˼˿ô̆ï˾ê˿˻î˼ôôāïõ˾ëö˾˿Āë˻ôðóð õ˻ö˼˿ô˻óð˾ù˼˽ö˻˾êòðù́ô˼ïëðù˻˽ôð̂˿˼ñ́˿̀ðëôð̂÷˾˿ó˻̂

Більшість топових ілюстрацій у соцмережах були створені завдяки багатокомпонентним промптам з описом кольору, світла, деталей.

6IǖO%REHSP1EGLMRI,EPPYGMREXMSRW

6IǖO%REHSP̀öë˾˿Āă ó́òþöðíð̀øðõò̆ô˻˿ô̆õ˿˾ăñöðû˾ ̆ôö˼ì˿́Āöþë̆ḯ˻ò̆ï˻ø̆Āí˻ôð̂ó˻úðôô˼ ô˻ëù˻ôôāö˻óð̀ö˼øöë˾íòāõ̆íëðû˼ôôā ˾ê̆ïô˻ô˾̀ö̆õ˿˾ïó̆ốñò̆ó˻ö́

˲˾ì˾̆ồö˻òāø̆ām1EGLMRI,EPPYGMREXMSRW| õ˼˿˼öë˾˿Āăë˼òðñ̆ô˻ê˾˿ðí˻ôð̂́ ï˻̂˾õòĀĀù̆ë̆ḯ˻òþô̆˿˾ê˾öð̀öë˾˿ĀĀùð ̆ó˼˿̀ðëô̆̀˼˿˼í˾ëðû˻ïõ˿˾˼ñø̆āóð ˻ềö˿˻ñöôð̂õ˻ö˼˿ô̆ëû˾ô˻ì˻í́Āöþ ó˾ï˻̇ùô̆ö˻õòðôô̆÷˾˿óð

Ùòā˯̀˼̀ë̆öôþ˾ì˾˼ñ˾ô˾ó̆ùô˾ì˾÷˾˿́ó́ %REHSPõ˾ăíô˻ëï˾ê˿˻î˼ôôāñ˾˿˻ò̆ë̆ï ö˼̂ô˾ò˾ì̆āóð(í˿́ñ́̀öë˾˿ĀĀùð ́ô̆ñ˻òþô̆ë̆ḯ˻òþô̆˿˾ê˾öðû˾ õ̆íñ˿˼̀òĀĀöþë˻îòðë̆̀öþïê˼˿˼î˼ôôā ó˾˿̀þñð̂˼ñ˾̀ð̀ö˼ó

˫˾ó˼˿ø̆˽ô˼ï˻̀ö˾̀́ë˻ôôā&1;ö˻2YXIPPE

Þ˿˻óñ˻̂õ˿˾ì˿˻óðõ̆íö˿ðóñðóð̀ö˼øöë˻ &1;̀õ̆ëõ˿˻øĀë˻òðïñ˿˼˻öðëôðó ö˼̂ô˾ò˾ì˾ó˴˻ö˻ô˾óâðõò̆íòāô˻ëù˻ôôāâ˨ ˿̆ùô̆˽̆̀ö˾˿̆̇óð̀ö˼øöë˻̀öë˾˿ðëúð ô˾ëð̂öë˾˿̆ëë̆í˾ê˿˻î˼ôð̂ô˻ë̆˿ö́˻òþô̆˽ ë˼˿̀̆̇˻ëö˾ó˾ê̆òā7IVMIW+VER'SYTI

2YXIPPEëðñ˾˿ð̀ö˻ò˻̆ôô˾ë˻ø̆˽ôð˽õ̆í̂̆í ï˻̀ö˾̀́ë˻ëúðúö́ùôð˽̆ôö˼ò˼ñöíòā ̀öë˾˿˼ôôā̀˼óðó̆òþ˽˾ô̆ë̆ôíðë̆í́˻òþôð̂

˼öðñ˼ö˾ñíòāê˻ô˾ñô˻̆ö˻ò̆˽̀þñ˾ó́˿ðôñ́ ˫˾îô˻˼öðñ˼öñ˻ó˻ò˻́ô̆ñ˻òþôð˽íðï˻˽ôï ā̀ñ˿˻ëðóðê˻ì˻ö˾ñ˾òþ˾˿˾ëðóð ˻ềö˿˻ñöôðóðõ˻ö˼˿ô˻óðû˾ếòðøð÷˿˾ë˾ ïì˼ô˼˿˾ë˻ô̆

à˼˽õ̆í̂̆íô˼òðú˼õ˿ðë˼˿ốë́ë˻ì́ ̀õ˾îðë˻ù̆ë˻ò˼˽ïô˻ùô˾õ̆íëðûðëõ˾õðö ˾̀ñ̆òþñðê˻ì˻ö˾ú˻ốë˻òþôðñ̆ëếòðë˿˻î˼ô̆ ó˾îòðë̆̀öĀ˾ö˿ðó˻öð́ô̆ñ˻òþốê˻ô˾ùñ́

7SǖE'VIWTS2IYVEP>SS

ˮ˿ì˼ôöðồþñ˻̂́í˾îôðøā7SǖE 'VIWTSëðñ˾˿ð̀ö˾ë́ăí˻ô̆ï õ˿ð˿˾íðíòā̀öë˾˿˼ôôā ̀õ˼ñ́òāöðëôð̂÷˾˿óîðööāë õ˿˾ăñö̆m2IYVEP>SS|

˯˾ô˻õ˼˿˼̀ö˻ëòāăï˾ê˿˻î˼ôôā õ˿ð˿˾íôð̂˼ò˼ó˼ôö̆ë̀öë˾˿ĀĀùð õ˿ðì˾ò˾óúòðë̆ë̆ḯ˻òþô̆˼÷˼ñöð āñ̆ï˾ê˿˻î́Āöþ́āëôð˽̀ë̆ö õ˿ð˿˾íðö˻ê̆˾ó˾˿÷ôð̂÷˾˿ó

Û˻í˾õ˾ó˾ì˾Āø̆ă̇˿˾ê˾öð˫˿˼̀õ˾

̀ö˻ëðöþõ̆í̀́óô̆ëëõòðëúö́ùô˾ì˾ ̆ôö˼ò˼ñö́ô˻óð̀ö˼øöë˾ö˻ öë˾˿ù̆̀öþõ̆íô̆ó˻Āùðë˻îòðë̆ õðö˻ôôāõ˿˾˽˾ì˾˿˾òþ̆ó˾îòðë˼ ó˻˽ếöôăëøð̂̀÷˼˿˻̂

Постапокаліптичні роботи

Користувач Midjourney уявив постапокаліптичний світ, де іржавий робот взаємодіє з квітами в суворому міському ландшафті. Модель точно інтерпретує арт-підказки ШІ, додаючи такі елементи, як жовті хмари та стіну, вкриту графіті.

Ці здобутки штучного інтелекту в галузі мистецтва змінюють підхід до створення прототипів.

Уявіть собі, як голлівудський сценаристпочатківець може використовувати ШІ для створення мудбордів і розкадровок, що значно полегшує процес презентації своїх ідей та концепцій.

Варіанти використання ШІ-мистецтва:

•              Маркетинг:Створення цифрових банерів, візуальних матеріалів та публікацій для соціальних мереж, які відповідають брендовим стандартам.

•              Створення прототипів: Використання в архітектурному та модному дизайні для швидкого створення ідей.

•              Покращення зображень: Додавання нових елементів до існуючих зображень.

•              Масштабування: Створення кількох варіантів зображень з простими змінами (розмір, частини зображення).

Практичне застосування та промптинг

Промпт (англ. prompt) — це текстовий запит або інструкція, яку користувач надає штучному інтелекту (наприклад, ChatGPT, Midjourney, DALL·E), щоб отримати бажану відповідь, результат чи дію. Простіше кажучи, промпт — це «питання» або «завдання», яке ми ставимо системі ШІ.

?õ˼˿̀˾ô˻îA`?öðõ÷˾ö˾ì˿˻÷̆̇A`?˾̀ë̆öò˼ôôāA`?̀öðòþA`?÷˾ôA

●        ˶˼˿̀˾ô˻îø˼̂ö˾̀þ˻ê˾û˾̀þì˾ò˾ëô˻ï̆˿ñ˻ô˻ú˾ì˾÷˾ö˾ëø˼ôö˿̆̀Āî˼ö́

●        ˹ðõ÷˾ö˾ì˿˻÷̆̇ø˼ô˻úñ́ö˾ìòāí́˿́ñ˻˿̀̆÷˾˿ó˻ö˴˻õ˿ðñò˻íõ˾˿ö˿˼öõ˼˽ï˻îì̆õ˼˿˿˼˻ò̆̀öðùôð˽ë̆í˼˾ñò̆õö˾û˾

●        ˵̀ë̆öò˼ôôāø˼ô˻ú˻ó˻ì̆ā̀ë̆öò˻̆ö̆ô̆˻ö˻ñ˾îñ˾òþ˾˿ð˯ô˻ú˾ó́ö˼ò˼ì˿˻óñ˻ô˻ò̆óð˿˾ïêð˿˻òðāñ˼ë˾ô˾ếë˻ă˹˻ñ˾îö́öă̆õ˿˾ñ́öð

˾ìòāí́

●        ˸öðòþø˼ô˻ú˻ñ˿˼˻öðëô˻ô˾öñ˻

●        ß˾ôø˼ï˻ë˼˿ú˻òþôð˽úö˿ð̂ïõ˼˿˼ò̆ñ˾óë̀̆̂í˼ö˻ò˼˽

Щоби отримати від MidJourney бажаний результат, потрібен якісний промпт. Тут діють ті ж правила, що і з ChatGPT — чіткість, структурованість, зрозумілість, деталізованість.

Але є і декілька особливостей:

#1. Задавай параметри.

#2. Вирізай з картинок непотрібні елементи.

#3. Використовуй вбудовані інструменти.

#4. Створюй шаблони запитів.

#5. Вивчай команди.

#6. Користуйся Niji (якщо любиш аніме).

#1. Задавай параметри.

Наприклад, співвідношення сторін (aspect ratio) задає розмір зображення — від широкого кінематографічного 16:9 до більш традиційного фотографічного 4:3. Використовуй команду «--ar», щоби задати співвідношення сторін.

Параметр стилізації (stylize) контролює, наскільки згенероване зображення відповідає промпту. Нижче значення стилізації генерує зображення, які точно відповідають промпту, а вище значення дає штучному інтелекту більше креативної свободи.

Наприклад, якщо вбити в параметри стилізації «--s 0», то згенерована картинка вийде більш пласкою та однорідною. Але при значеннях «--s 1000» зображення буде максимально обʼємним і глибоким.

#1. Задавай параметри.

Стиль (--style raw):

--style raw застосовує менше автоматичного прикрашення, що може призвести до більш точного збігу при запиті конкретних стилів.

Stop (--stop):

Ви можете використовувати параметр --stop, щоб завершити завдання на півдорозі процесу. Зупинка завдання на більш ранньому етапі може призвести до отримання більш розмитих і менш деталізованих результатів. --stop приймає значення: 10–100. Значення --stop за замовчуванням становить 100.

#2. Вирізай з картинок непотрібні елементи.

Можна прибрати зайве із зображення за  допомогою команди «--no». Наприклад, ти згенерував фото своєї вулиці, але хочеш прибрати усі мафи на зображенні. Просто введи команду «--no small architectural forms» й усі мафи на твоїй вулиці зникнуть.

Також стеж за якістю зображень за допомогою команди «--q». Чим нижча якість, тим швидше генерується фото — і навпаки.

#3. Використовуй вбудовані інструменти. Наприклад, Style Turner або Superside показують, як різні моделі інтерпретують один і той самий запит. Також можна поекспериментувати із зображенням за допомогою інструментів Chaos (--chaos) чи Weird (--weird) , які додадуть зображенню дивакуватості.

Зображення у MidJourney

#4. Створюй шаблони запитів.

Якщо часто працюєш у Midjorney, розроби шаблони, які можна швидко адаптувати. Наприклад, «--ar 16:9 --s 400 --chaos 100».

#5. Вивчай команди.

Принаймні основні: /blend, /fast, /describe тощо (повний перелік — тут).

#6. Користуйся Niji (якщо любиш аніме).

Niji — штучний інтелект, який малює аніме-ілюстрації. Його створили Midjourney спільно з ігровою студією Spellbrush. Використовуй команду «-niji» та генеруй якісні аніме-картинки.

Підказки для створення хороших промптів

●        Детально та конкретно описуйте предмет.

●        Використовуйте кілька дужок () для підсилення та [] для зменшення ваги ключових слів.

●        Використовуйте відповідний тип середовища, який відповідає художнику.

Наприклад, фотографія не повинна використовуватися з ван Гогом.

●        Ім’я художника є дуже сильним модифікатором стилю.

Використовуйте його розумно.

●        Експериментуйте з змішуванням стилів.

˯ðāëò˼ôôā%-ïì˼ô˼˿˾ë˻ôð̂ï˾ê˿˻î˼ôþ

Û̆ï˿˾̀ö˻ôôāóāñ˾̀ö̆%-ïì˼ô˼˿˾ë˻ôð̂ï˾ê˿˻î˼ôþ ïāëòāăöþ̀āõ˾ö˿˼ê˻ë̇̂˿˾ïõ̆ïô˻ë˻ôô̆

˵̀ô˾ëô̆˾ïô˻ñðëñòĀù˻Āöþ

●        ô˼ïëðù˻˽ô̆í˼ö˻ò̆ö˻ô˼ë̆íõ˾ë̆íô˾̀ö̆í˾í˻öñ˾ë̆ ñ̆ôø̆ëñð̀õ˾öë˾˿˼ô̆˾êòðùùā

●        ô˻íö˾̆í˼˻òþô̆˻ê˾ìò˻íñ̆ï˾ê˿˻î˼ôôā

●        ô˼ë̆íõ˾ë̆íố̀ðó˼ö˿̆Ā

●        ô˼õ˿˻ëðòþô˾ô˻õð̀˻ô̆̀ò˾ë˻

Ùòāö˾ùô˾ì˾ëðāëò˼ôôā˿˾ï˿˾êò˼ô̆̀õ˼ø̆˻ò̆ï˾ë˻ô̆

̆ồö˿́ó˼ôöðö˻ñ̆āñ˴˼ëðíðóð˽í˼ö˼ñö˾˿ï˾ê˿˻î˼ôþö˻ 8VYXL7GERāñ̆ïí˻öô̆˻ô˻ò̆ḯë˻öðï˾ê˿˻î˼ôôāö˻óðööăë˾ ëðïô˻ù˻öðùðăë˾ô˾̀õ˿˻ëîô̆ó˻ê˾úö́ùôðó

8VYXL7GER̀õ˼ø̆˻ò̆ḯăöþ̀āô˻ëðāëò˼ôô̆ó˻ô̆ṍòþ˾ë˻ôð̂ ï˾ê˿˻î˼ôþë̆ḯ˻òþôð̂ó˻ö˼˿̆˻ò̆ëô˻˾̀ô˾ë̆+%2ö˻ ñ˾ôö˼ôö́̀öë˾˿˼ô˾ì˾úö́ùôðó̆ôö˼ò˼ñö˾óí˾í˻Āùð õ˾ö́îôð˽˿̆ë˼ôþö˾ùô˾̀ö̆ô˻˿̆ëô̆ñ˿ðó̆ô˻ò̆̀öðùô˾̇

˼ñ̀õ˼˿öðïð

Етичні та соціальні аспекти

1.  Авторські права:

◦ Хто є справжнім творцем — людина, яка керує алгоритмом, чи сам алгоритм?

◦ Судові рішення піднімають питання про те, що твори, створені ШІ без участі людини, не можуть бути захищені авторським правом.

◦ Проблема використання стилю митця без його дозволу (навчальні дані) є критичною.

2.  Творчість ШІ:

◦ Чи може ШІ бути творчим? Гарольд Коен вважав, що AARON не був настільки ж креативним, як він сам, створюючи програму. ◦ ШІ може по-новому комбінувати елементи, але не відчуває емоцій.

◦ Ключовим є партнерство між ШІ та людиною, як у роботах Софії Креспо.

3.  Підміна реальності (Deepfake):

◦ Сучасні зображення ШІ можуть бути настільки реалістичними, що їх важко відрізнити від фотографій, створених людиною. ◦ Це створює проблему маніпуляції довірою

Генеративний ШІ може створювати зображення, які важко відрізнити від реальних, як-от deepfakes, що імітують обличчя людей.

Моделі, такі як DALL-E, генерують дивні, але красиві зображення за секунди, задовольняючи потребу в миттєвому задоволенні.

Генеративний ШІ — потужний партнер у творчості, що змінює уявлення про мистецтво, дизайн та науку, відкриває нові горизонти і ставить нові питання.

ШІ — не конкурент, а інструмент, розширення людського потенціалу.