Imagen 2؛ سازنده کلیپ ویدئویی گوگل منتشر شد

گوگل وعده داد که این اختلال را اصلاح و دوباره منتشر کند. در نهایت، این شرکت یک ابزار تولید تصویر پیشرفته به نام Imagen 2 را در پلتفرم توسعه‌دهنده Vertex AI خود راه‌اندازی می‌کند.

Imagen 2 می‌تواند مانند DALL-E و Midjourney از OpenAI، تصاویری را ایجاد و ویرایش کند. همچنین، می‌تواند متن، نشان‌ها و آرم‌ها را به زبان‌های مختلف ارائه کند، و به‌صورت اختیاری آن عناصر را در تصاویر موجود – به عنوان مثال، روی کارت‌های ویزیت، پوشاک و محصولات قرار دهد.

قابلیت ویرایش تصویر با Imagen 2 به طور کلی در Vertex AI همراه با دو قابلیت جدید در دسترس است: inpainting  و  Outpainting، ویژگی‌هایی هستند که سایر تولیدکننده‌های تصویر محبوب نیز مانند DALL-E چندی پیش ارائه کرده‌اند، از آنها می‌توان برای حذف قسمت‌های ناخواسته یک تصویر، افزودن اجزا و جزئیات جدید و گسترش مرزهای یک تصویر برای ایجاد میدان دید وسیع‌تر استفاده کرد. Imagen 2  همچنین می‌تواند ویدیوهای کوتاه چهار ثانیه‌ای را از طریق پیام‌های متنی بسازد. 

برای رفع نگرانی‌ها در مورد پتانسیل ایجاد دیپ فیک، گوگل می‌گوید که Imagen 2 از  SynthID، رویکردی که توسط Google DeepMind  توسعه یافته است، برای اعمال واترمارک‌ها و رمزنگاری بر روی تصاویر استفاده می‌کند.
البته، شناسایی این واترمارک‌ها – که گوگل ادعا می‌کند در برابر ویرایش‌ها، از جمله فشرده‌سازی، فیلترها و تنظیمات تناژ رنگ مقاوم هستند – به ابزار ارائه‌شده توسط گوگل نیاز دارد که برای اشخاص عادی در دسترس نیست.

مدل‌هایی مانند Imagen بر روی تعداد زیادی نمونه که معمولاً از سایت‌های عمومی و مجموعه‌های داده در سراسر وب تهیه می‌شوند، آموزش داده می‌شوند. بسیاری از فروشندگان هوش مصنوعی مولد، داده‌های آموزشی را به عنوان یک مزیت رقابتی می‌بینند و بنابراین آن‌ها و اطلاعات مربوط به آن را خصوصی نگه می‌دارند.