A mesterséges intelligencia a képgenerálásban mostanra eléggé sokat mutatott, és már videókat is készítenek a generatív MI-vel, de szó nincs arról, hogy már minden láttunk volna. Sőt mi több, a java valószínűleg még hátra van, a képszerkesztésben ugyanis még javában keresik a lehetőségeket a fejlesztők.

Persze arról szó nincs, hogy az MI teljesen új lenne ezen a fronton, az Adobe már évekkel ezelőtt kezdett olyan technikákat használni, amik például gépi tanulást alkalmaztak. Tud úgy retusálni a Photoshop, hogy magától vesz mintát a képből, és így tünteti el szinte feltűnésmentesen a kisebb hibákat, a felhasználónak így nem különösebben kell értenie a retusáláshoz. Ezt a funkciót mostanra a Lightroom is megkapta, de úgy fest, hogy a fejlesztőknek érdemes lesz belehúzni, mert ezen a fronton sokkal hatékonyabb eszközök jöhetnek.

Egy kutatócsapat kísérleti jelleggel létrehozott egy olyan képmanipuláló szoftvert, ami képes arra, hogy képeket szinte teljesen átrajzoljon, úgy, hogy a végeredmény a felhasználó igényeinek megfelelő legyen. Egy autót teljesen más beállításba lehet átforgatni, egy kutya testtartását meg lehet változtatni, és egy tájképet is lehet vele módosítgatni úgy, hogy az a fotó előnyére váljon, a végeredmény látványosabb, másabb legyen.

A DragGAN névre hallgató modell, és a hozzátartozó grafikus felhasználói felület meglehetősen ütősre sikeredett. Hiába, hogy csak kísérleti fejlesztésről van szó, egészen egyszerű lett a használata, és olyan hatékony, hogy szinte mindent képes megoldani megfelelően konfigurált módon, de a beállítása sem nehézkes. Valódi fotókat úgy lehet vele jelentősen megváltoztatni, hogy azok tényleg élethűek maradnak, és még a művelet sem eszméletlenül komplex vagy bonyolult.

A rendszer neve onnan ered, hogy a kép bizonyos elemeinek nyújtására szolgál, de itt a nyújtást nem úgy kell elképzelni, hogy azt eddig bármilyen képmanipuláló szolgáltatásban megszokhattuk. Ebben az esetben elég kijelölni a felvételek különböző pontjait, és a rendszer már segít a műveleteket úgy végrehajtani, hogy igazából nem az eredeti képest nyújtja meg, illetve alakítja át, hanem újragenerálja azokat a részeket, amik módosításon esnek át.

Egy természetfotón, ahol az oroszlán a fotósra figyel meredten, megoldható az, hogy az állat elfordítsa a fejét, és egészen más pontra nézzen. Ezáltal a felvétel még természetesebbnek hat majd. Ha a háttérben egy fényképen kis dombok vannak, két pont kijelölését követően át lehet majd úgy alakítani a fényképet, hogy az égbe tornyosuló hegyekké alakuljanak azok. A DragGAN felhasználói felülete rövid tanulmányozást követően kitanulható, és a vélekedések szerint ez legalább annyira fontos, mint az, hogy az algoritmus milyen hatékonyan tudja a felvételeket alakítani.

A DragGAN nagyon jó lesz már a meglévő képgeneráló szoláltatások mellé is. A Midjourney számára nagyon jó partner ez a képmanipuláló, hiszen ezzel az ember létrehozhat majd például egy elefántot ábrázoló képet, amit utána viszonylag gyorsan átalakíthat úgy, hogy az elefánt pont olyan pózban legyen a képen, mint amit kigondolt a felhasználó. Hiszen a képgenerálók azért sokszor nem tudják 100 százalékosan azt létrehozni, amit az ember elképzelt, de ezzel az újabb MI eszközzel nagyon gyorsan rá lehet majd segíteni a dologra.

Gyengéje a DragGAN-nak, ha valamilyen jellegzetes tárgyat kellene átalakítania, módosítania, az ilyen feladatba egyelőre még beletörik a bicskája. Mivel a képeken nem a meglévő pixeleket tologatja, hanem a képek szükséges részeit lényegében újragenerálja, egy autónál például az adott jármű elég jelentősen eltérhet végeredményben attól, amiből kiindult. A beállása olyan lesz, amilyet szeretett volna az ember, csak nem tartja meg a valódi formai jegyeit. De a jövőben talán ez sem okoz majd gondot.

Hozzá kell tenni azt is, hogy a DragGAN csak egy feladatkörre szolgáló generatív képszerkesztő, de nagyon jó betekintést jelent abba, hogyan nézhet majd ki a jövőben a fotók alakítása a mesterséges intelligenciát is munkára fogva.