Tísňové údolí a generovaná AI videa

Proč je někoho nesmírně těžké dívat se na umělý vizuál..

Tísňové údolí (anglicky „uncanny valley“) je fenomén, který popisuje negativní reakci člověka na umělou bytost nebo objekt, který je téměř, ale ne zcela lidský. Tento koncept poprvé představil japonský robotik Masahiro Mori v roce 1970. Podle Moriho teorie dochází ke stavu tísňového údolí tehdy, když robot, avatar nebo jiný umělý výtvor vypadá téměř jako člověk, ale stále vykazuje drobné nedokonalosti nebo zvláštnosti, které způsobují pocit nepohodlí či odporu.

Závislost lidských emocí při vnímání robota s proměnlivou mírou antropomorfismu. Osa x představuje míru antropomorfismu od zcela nehumanoidní bytosti po bytost nerozeznatelnou od člověka, osa y zachycuje míru emocí při vnímání takové bytosti lidmi. V počátku je neutrální, směrem nahoru rostou pozitivní a směrem dolů negativní emoce.

Závislost lidských emocí při vnímání robota s proměnlivou mírou antropomorfismu. Osa x představuje míru antropomorfismu od zcela nehumanoidní bytosti po bytost nerozeznatelnou od člověka, osa y zachycuje míru emocí při vnímání takové bytosti lidmi. V počátku je neutrální, směrem nahoru rostou pozitivní a směrem dolů negativní emoce.

Téměř lidští androidi nás děsí. Zjednodušený graf s průběhem od strojového robota s tísňovým údolím až téměř dokonalého zjevu a plně lidského zjevu.  

Tísnivé údolí, někdy též strašidelné údolí, je oblast na pomyslném grafu závislosti polarity lidských emocí při vnímání humanoidů (robotů, počítačem vytvořených trojrozměrných postav, detailně vymodelovaných panenek apod.) podle jejich míry podobnosti s člověkem (antropomorfismu). Míra kladných emocí při vnímání postupně lépe a lépe antropomorfizované bytosti zpočátku stoupá, ale nepředstavuje prostou funkci – od určité míry antropomorfismu klesá až k negativním emocím, aby těsně před metou dokonalé antropomorfizace opět stoupla k maximu. Interval v míře antropomorfismu, jímž obdařeného humanoida člověk vnímá odpudivě, se nazývá tísnivé údolí.

Mozek na funkční magnetické rezonanci při sledování robota, androida a člověka. Kredit: Ayse Pinar Saygin, UC San Diego. Sayginová a spol. natočili videa na nichž Repliee Q2, Japonka, která byla předobrazem podoby aktroidky a pak tentýž robot v syrové podobě bez lidského povrchu, tedy připomínající terminátora, dělají běžné pohyby, jako je mávání, přikyvování, uchopování sklenky s vodou nebo zvedání kousku papíru. Dobrovolníkům nejprve prozradili, kdo je na kterém videu, pak jim je pustili a sledovali jejich mozky funkční magnetickou rezonancí. Nedostižná matka Sheldona Coopera by jistě měla radost.

Tísňové údolí v kontextu generovaných AI videí

V posledních letech se s rozvojem umělé inteligence (AI) a pokročilých algoritmů pro generování videa stává tísňové údolí stále aktuálnějším tématem. AI dnes dokáže generovat realistická videa, která jsou na první pohled k nerozeznání od skutečnosti. Avšak když se tato videa dostanou do bodu, kdy jsou „téměř dokonalá“, ale stále obsahují drobné anomálie – například nepatrně nepřirozené pohyby, zvláštní výrazy obličeje, nebo nesoulad mezi mluveným slovem a pohyby rtů – mohou vyvolat silný pocit nepohodlí nebo dokonce strachu.

Generovaná videa mohou tísňové údolí překonat dvěma způsoby. Prvním je neustálé zdokonalování technologií, až do bodu, kdy budou tyto drobné chyby zcela odstraněny a umělé výtvory budou zcela nerozeznatelné od skutečných lidí. Druhým přístupem je úmyslné ponechání určitých znaků „umělosti“, aby diváci okamžitě rozpoznali, že se jedná o ne-lidskou tvorbu, což snižuje míru nepohodlí.

Tísňové údolí a robotika

Robotika je dalším polem, kde tísňové údolí představuje významnou výzvu. Moderní humanoidní roboti jsou navrhováni tak, aby napodobovali lidské chování, výrazy obličeje a pohyb. Když je však jejich podoba a pohyb příliš realistický, ale ne zcela přesný, mohou vyvolávat nepříjemné pocity u lidí, kteří s nimi přicházejí do styku. Tento jev může mít závažné důsledky pro aplikace, kde je důležitá interakce mezi lidmi a roboty, například v péči o seniory nebo v zákaznickém servisu.

Aby se minimalizoval efekt tísňového údolí, designéři robotů často volí stylizovaný nebo zjednodušený vzhled, který sice připomíná lidské rysy, ale je dostatečně odlišný, aby nevyvolával pocit, že jde o skutečného člověka. Tento přístup je patrný například u robotů typu „Pepper“, kteří mají záměrně zjednodušený a přátelský design.

Budoucnost a etické otázky

Jak generovaná AI videa, tak humanoidní roboti budou v budoucnosti stále častěji překonávat hranice mezi umělým a skutečným. To přináší nejen technologické, ale i etické otázky. Jaký vliv bude mít tísňové údolí na naši psychiku, a jak bychom měli přistupovat k designu těchto technologií, aby byly pro lidi co nejpřirozenější a nejpřijatelnější?

V oblasti AI generovaných videí se také objevuje otázka autenticity a důvěryhodnosti. Jakým způsobem budeme schopni rozpoznat, co je skutečné a co je generováno AI? A jak zajistíme, že tyto technologie nebudou zneužity k šíření dezinformací nebo manipulaci veřejného mínění?

V konečném důsledku je tísňové údolí nejen technickým problémem, ale i hlubokým filozofickým a etickým dilematem, které bude nadále formovat budoucnost robotiky a AI technologií. Rozpoznání a překonání tohoto fenoménu je klíčovým krokem pro vytvoření technologií, které budou sloužit lidem a současně budou respektovat naše přirozené reakce a emocionální potřeby.


Jak na konzistentní postavy v Midjourney V6

Midjourney V6 dokáže generovat konzistentní postavy - to je obrovská věc

Před dvěma měsíci se hra Dall-E 3 od společnosti OpenAI stala virální, když uživatelé zjistili, že mohou vytvářet postavy s jednotným stylem a estetikou. Někteří z nich dokonce vytvořili aplikace GPT, jako je Consistent Character GPT.

Společnost Midjourney konečně vydala podobnou funkci nazvanou Reference postav - Character Reference.

Představte si, že jste ilustrátor, animátor nebo prostě umělec, který chce generovat více verzí vlastního návrhu postavy z různých úhlů - tato nová funkce Midjourney je přesně to, co potřebujete.

Co je Reference postavy?

Reference postavy je nová funkce v aplikaci Midjourney, která uživatelům umožňuje generovat konzistentní postavy z různých úhlů na základě zadaného referenčního obrázku.

Je podobná funkci „Reference stylu“, ale namísto shody s referenčním stylem se snaží, aby vygenerovaná postava odpovídala rysům postavy na referenčním obrázku.

Můžete dokonce smíchat více referenčních znaků zadáním více než jedné adresy URL oddělené mezerami, stejně jako při použití více podnětů k obrázku nebo stylu.

Jak skvělé to je? Tato funkce funguje jak ve webové verzi Midjourney pro Discord, tak pro webovou verzi Alpha.

Jak to funguje

Nejprve otevřete aplikaci Midjourney Bot a začněte generovat návrh postavy. Zde je příklad výzvy:

Příklad: Prompt: Vytvořte vysoce detailní 3D render herní postavy ve stylu Pixar na bílém pozadí, záběr na celé tělo. Postava je dospívající kluk s mírně kudrnatými vlasy, trochu baculatý, má na sobě černou mikinu s kapucí a modré šortky -- s 250 -- v 6.0

Prompt: Create a highly detailed, Pixar 3D render of a game character on a white background, full body shot. The character is a teenager guy with slightly curly hair, a little chubby, wearing black hoodie, and blue shorts — s 250 — v 6.0



Jak dělat konzistentní charakter MidJourney, Image by Jim Clyde Monge

Vyberte jeden z vygenerovaných obrázků, který chcete zvětšit, a získejte odkaz na obrázek kliknutím pravým tlačítkem myši a výběrem možnosti „Kopírovat adresu obrázku - Copy image adress“.

Jak dělat konzistentní charakter MidJourney, Image by Jim Clyde Monge

Poté vygenerujte další sadu obrázků s podobnou výzvou, ale tentokrát přidejte tyto parametry:

  • Mává - He is waving
  • --cref https://s.mj.run/KgVmyVmf4o8
  • --cw 100“

Vaše nová výzva by tedy vypadala takto:

Prompt: Vytvořte vysoce detailní 3D render herní postavy na bílém pozadí, záběr celého těla. Postava je dospívající kluk s mírně kudrnatými vlasy, trochu baculatý, oblečený v černé mikině s kapucí a modrých šortkách. Mává - cref https://s.mj.run/KgVmyVmf4o8 - cw 100

Prompt: Create a highly detailed, Pixar 3D render of a game character on a white background, full body shot. The character is a teenager guy with slightly curly hair, a little chubby, wearing black hoodie, and blue shorts. He is waving — cref https://s.mj.run/KgVmyVmf4o8 — cw 100

Jak dělat konzistentní charakter MidJourney, Image by Jim Clyde Monge



A voila! Nově vygenerované obrázky by měly vypadat téměř stejně jako referenční obrázek, ale postava nyní mává. Jak je to skvělé? Poté můžete vygenerovat další verze postavy v různých pózách. Možnosti jsou nekonečné.

Jak dělat konzistentní charakter MidJourney, Image by Jim Clyde Monge

Reference postavy v Midjourney Alpha

Pokud dáváte přednost použití webové stránky Midjourney Alpha, jednoduše přetáhněte referenční obrázek do části s výzvou. Ujistěte se, že je obrázek nastaven na „Použít jako výzvu k zadání obrázku“.

Jak dělat konzistentní charakter MidJourney, Image by Jim Clyde Monge

Pak zadejte výzvu a stiskněte klávesu enter. Například:

Prompt: Vytvořte vysoce detailní 3D render herní postavy na bílém pozadí, záběr celého těla. Postava je roztomilá dospívající dívka, trochu baculatá, má na sobě růžové běžecké kalhoty. Mává na sebe.

Prompt: Create a highly detailed, Pixar 3D render of a game character on a white background, full body shot. The character is a cute teenager girl, a little chubby, wearing pink jogging pants She is waving

Jak dělat konzistentní charakter MidJourney, Image by Jim Clyde Monge



Při testování jsem si všiml některých rozdílů mezi referenčním obrázkem a vygenerovaným obrázkem, pokud jde o oblečení, boty a vlasy. Nebyl jsem si jistý, co je příčinou problému, a tak jsem místo toho zkusil znovu použít Discord.

Jak dělat konzistentní charakter MidJourney, Image by Jim Clyde Monge

A hle, obrázek vytvořený společností Discord byl mnohem bližší referenci! S nastavením webového rozhraní mohou být nějaké problémy, které je třeba vyřešit.

Poznámka: Úpravou hodnoty parametru --cw můžete upravit, jak referenční obrázek ovlivní konečný výstup.

  • Úpravou hodnoty parametru--cw upravte „sílu“ referenčního obrázku ze 100 na 0.
  • strenght 100 (--cw 100) je výchozí hodnota a používá obličej, vlasy a oblečení.
  • Při síle 0 (--cw 0) se zaměří pouze na obličej (vhodné pro změnu oblečení, vlasů atd.).

K čemu je určen?

Mějte na paměti, že funkce Character Reference je stále ve fázi beta a tým Midjourney upozorňuje na některá aktuální omezení:

  • Tato funkce funguje nejlépe, když používáte postavy vytvořené z obrázků Midjourney. Není určena pro skutečné osoby / fotografie (a pravděpodobně je bude zkreslovat, jako to dělají běžné obrázkové nápovědy).
  • Cref funguje podobně jako běžné obrázkové nápovědy, s tím rozdílem, že se „zaměřuje“ na rysy postavy.
  • Přesnost této techniky je omezená, nezkopíruje přesně dolíčky, pihy ani loga na tričkách.
  • Cref funguje pro modely Niji i normální MJ a lze jej také kombinovat s parametrem --sref

Zde je příklad s parametry --cref i --sref:

Prompt: a girl drinking coffee - cref https://s.mj.run/pI1CVNG141Q - sref https://s.mj.run/OJGOsuC2XKE - s 250 - v 6.0

Jak dělat konzistentní charakter MidJourney Influencer, Image by Jim Clyde Monge



Páni, to je opravdu působivé.

Při použití referenčního obrázku, který má specifický styl, vřele doporučuji zahrnout také parametr - sref. Opravdu to pomáhá dosáhnout konzistentní estetiky.

Závěrečné myšlenky

Celkově jsem si užil spoustu zábavy při používání nové funkce odkazů na postavy v Midjourney. Ale kromě toho, že se jedná o zábavný nástroj, nemohu si pomoci, ale musím se podivit nad obrovskými důsledky, které to má pro odvětví grafického designu a fotografie.

Představte si, že pořídíte jedinou svou fotografii a necháte umělou inteligenci během několika sekund vygenerovat několik jejích póz.

NFC hodnocenky Google

Sám jsem výtvarník a dokážu si snadno představit, jaký dopad to bude mít na ilustrátory. Možnost vygenerovat konzistentní postavy z různých úhlů během pouhých několika sekund na základě jediného odkazu naprosto mění pravidla hry. Tvůrci se musí naučit přizpůsobit a využívat tuto technologii co nejdříve, než pokročí natolik, že potenciálně zcela nahradí lidské umělce!

Potenciál pro herní průmysl je také ohromující. Generování póz a spritů by mohlo změnit hodiny práce na minuty. Mluvíme o zvýšení produktivity! Herní vývojáři, zpozorněte.

Co si myslíte o funkci odkazu na postavu od Midjourney? Jak si představujete, že ovlivní váš tvůrčí proces nebo odvětví? Rád bych znal vaše názory.

Tento článek byl zveřejněn na webu Generative AI. Připojte se k nám na LinkedIn a sledujte Zeniteq, abyste měli přehled o nejnovějších příbězích z oblasti AI. Pojďme společně utvářet budoucnost AI!

Překlad článku od Jim Clyde Monge


Jak si stojí Raspberry Pi AI Kit

Společnost Raspberry Pi vydala sadu pro jednodeskový počítač AI Kit s funkcemi strojového učení. Možná je to proto, aby podpořila své nedávné uvedení na trh, nicméně údaje o výkonu vypadají, že zaútočí na trh s okrajovými výpočetními systémy AI. Řekl bych že RPI poháněná Hailo, dává 13 TOPS, za přibližně 2000 CZK, to není špatné.

Společnost Raspberry Pi vydala sadu pro jednodeskový počítač AI Kit s funkcemi strojového učení.

Sada AI je poháněna akcelerátorem Hailo-8L a vlastní deskou Raspberry Pi M.2 HAT+

Než někdo začne předpokládat nějaké pokročilé důvody AI, uvědomte si, že HAT znamená pouze Hardware Attached on Top. Přepychový způsob, jak říct, deska přišroubovaná přes jinou desku...

V každém případě je tento AI akcelerátor za 70 dolarů opravdu výhodná koupě. A co je ještě důležitější, získáte skvělou nabídku výkonu pro vaši vestavěnou aplikaci, jak je uvedeno v následující části.

O Hailo-8L: Raspberry Pi si jako dodavatele akcelerátoru vybralo společnost Hailo. Hailo-8L je ořezaná verze nedávno oznámeného čipu Hailo-8, který nabízí 26TOPS. Hailo-8L nabízí chvályhodných 13TOPS a přináší Raspberry Pi tolik potřebný výkon v oblasti umělé inteligence.

Hailo AI čip detail

Nedávno se AMD dostalo do čela žebříčku TOPS s 50TOPS, proto se 13TOPS zdá málo.Je třeba vzít v úvahu, že se bude používat ve světě embedded a 13TOPS přinese obrovskou výhodu pro okrajové aplikace typu počítačového vidění. Také notebook s RISC-V Linuxem v době psaní tohoto článku nabízí pouze 2TOPS.

Podle technického ředitele společnosti Hailo Aviho Bauma spotřebuje Hailo-8L na každé tři TOPS přibližně jeden watt energie, což je maximálně zhruba pět wattů. A pro typickou embedded zátěž, jako je zpracování 60 FPS videa v reálném čase, si vezme sotva jeden nebo jen dva watty.

Hailo se speciálně zaměřuje na nízkou spotřebu okrajových aplikací umělé inteligence & pohodlně poráží i NVIDIA. Níže je uveden jejich výkon ve srovnání s Jetson Nano a Xavier NX od společnosti NVIDIA.

Hailo - porovnání výkonu AI
NFC hodnocenky Google

Čip má širokou podporu pro frameworky AI, mezi které patří TensorFlow, TensorFlow Lite, Keras, PyTorch a ONNX. Vzhledem k výše uvedeným číslům a výkonové výhodě vypadá rozhodnutí Raspberry Pi s Hailo jasně.Architektura a design sady Raspberry Pi AI V současné době sada AI podporuje architekturu x86 i Arm Host. Generální ředitel Raspberry Pi, Eben, sdělil, že záměrně plánují samostatnou akcelerační desku, nikoli integrovaný NPU, jako je tomu u SoC Apple & Qualcomm, které byly nedávno uvedeny na trh pro počítače s AI.

Raspberry Pi AI Kit

Raspberry Pi již tuto oddělenou architekturu má, protože používá IO funkce na levném 40nm, zatímco CPU a GPU je na 16nm. I když je jádro na 16nm, přidání NPU k němu bude nákladné, protože se zvětší plocha.

Pokud chce uživatel použít Raspberry Pi 5 pro aplikaci, která není spojena s umělou inteligencí, ano, existují... a musí zbytečně vyhodit další peníze za nechtěné náklady na plochu die NPU. Nyní mají možnost volby & hardwaroví lidé mají rádi volby. I když samotná verze Raspberry Pi 3 byla použita pro AI aplikaci, AI zátěž byla na cloudu. Tento nový Raspberry Pi 5 s Hailo-8L dokáže sám na okraji zastat menší modely & optimalizované LLM.

Současný stav sady Raspberry Pi AI

Tento počítač Raspberry Pi je vybaven rozhraním PCIe 2.0, přes které komunikuje s akcelerátorem Hailo-8L. PCIe 2.0 má pouze verze Raspberry Pi 5. Pokud tedy chcete vyzkoušet funkci AI, musíte vyměnit desku. Nicméně i M.2 HAT+ pro Raspberry Pi 5 stojí jen asi 80 dolarů. 

Souprava je dodávána s předmontovanou tepelnou podložkou pro lepší odvod tepla Hailo-8L, která sice spotřebuje pár wattů, ale bude výrazně teplejší. Raspberry Pi si uvědomuje, že pro mnohé tvůrce je to nový terén. Proto bude poskytovat více demo a softwarových nástrojů na podporu uživatelů vyvíjejících funkce UI.

Raspberry Pi tvrdí, že nastavení a spuštění aplikace AI bude otázkou několika minut. 

Ačkoli hardware funguje tak, jak má, je třeba si uvědomit, že software zatím NENÍ ve skvělé formě. Ale během několika měsíců se vše stane skutečností.

Tým Tom's Hardware dostal k dispozici testovací sadu a narazil na několik problémů. Podle jejich informací brzy přijde aktualizace operačního systému Raspberry Pi, která umožní několik funkcí umělé inteligence, což v současné době omezuje jeho použití. Podařilo se jim však detekovat obrázky včetně medvídka, jak ukazuje obrázek níže. 

Detekce oblyčeje nebo objektu - Díky obrázku z Toms Hardware

V ukázce není provedeno měření rychlosti, ale tým se zmínil, že „cítili“, že jen málo z nich je rychlejších. Tým Tom's hardware také zmínil, že Raspberry Pi odhalil, že v budoucnu můžeme v případě potřeby spustit vlastní modely.

Případy použití

Raspberry Pi & Hailo tvrdí, že výhoda nízké spotřeby je významná pro mnoho hardwaru počítačového vidění, jako je rozpoznávání obrazu v okrajových uzlech. Společnost také říká, že mají různé modely včetně některých vhodných pro přidávání funkcí AI do her.

Hra Lincity-NG , díky obrázku z raspberrytips.com

Vzhledem k tomu, že systém Windows 11 není určen pro Raspberry Pi, říkají, že tato sada není určena pro software Microsoft Copilot. Nevylučují však, že některé funkce budou fungovat. Vzhledem k tomu, že 13TOPS je téměř 1/3 ze 40TOPS předepsaných pro počítače Copilot+, něco skutečně fungovat bude.

Závěr

Obě společnosti očekávají, že komunita tvůrců přijde s nějakým jedinečným případem použití, který vyřeší jejich vlastní problémy. Věřím také, že síla komunity Raspberry Pi, skutečně něco změní. Kromě projektů ve třídách začne nově objevenou schopnost 13TOPS AI využívat i mnoho robotických aplikací.

Musíme počkat na další aktualizace softwaru Raspberry Pi, abychom měli lepší pracovní platformu. Je vzrušující, že generální ředitel Raspberry Pi zmínil, že tímto spojení se společností Hailo nekončí.

překlad článku od Gandhi KT