Sber lade till en analog av generativ fyllning från Photoshop till Kandinskys neurala nätverk

Sber presenterade en stor uppdatering av Kandinskys generativa neurala nätverk. Med uppdateringen till Kandinsky 3.0 har illustrationsgenereringen förbättrats avsevärt, och nya Kandinsky Video är det första ryska neurala nätverket som skapar videor.

Låt oss börja med Kandinsky 3.0. Den främsta innovationen jämfört med version 2.2 var förbättrad frågeigenkänning: generering matchar nu industriell data mer exakt utan att offra kvalitet. Dessutom har kvaliteten på förståelsen av frågor om ämnet för den inhemska kulturella koden - hjältar från sovjetiska och ryska filmer och tecknade serier - ökat exponentiellt. Skillnaden visades tydligt i frågor med Cheburashka och brownien Kuzya:

De visade också en jämförelse med äldre versioner av Kandinsky och andra populära modeller – Midjourney (signerad som MJv.52), Stable Diffusion XL (SDXL) och DALL-E 3. Här är genereringsresultaten för frågan "beautiful girl":

Det här är "mannen med skägg":

Och det här är "Barbie and Ken Go Shopping":

En annan innovation var lägena Inpainting och Outpainting - möjligheten att "passa" ett nytt objekt i en befintlig bild eller komplettera den (som påminner om generativ fyllning i Photoshop). Här är ett exempel på efterbehandling:

Och det här är exempel på att lägga till ett objekt.

Du kan prova det neurala nätverket på plattformen Fusion hjärna, i det officiella Telegram bot eller "I kontakt med».

Kandinsky Video låter dig skapa små animationer baserat på en textförfrågan - upp till 8 sekunder med en frekvens på cirka 30 bilder per sekund och en upplösning på upp till 512 pixlar på den större sidan. Höjd och bredd kan ställas in av användaren.

Videoskapande är tillgängligt i betaläge på Fusion hjärna, A Telegram bot För närvarande erbjuder det bara att skriva upp sig på väntelistan.