បញ្ញាសិប្បនិម្មិតលែងជាប់គាំងនៅក្នុងសៀវភៅបញ្ជីទៀតហើយ។ វាគឺជាការគូសវាស គូររូប និងបិទភ្ជាប់ - ជួនកាលវាល្អណាស់។ ប្រសិនបើអ្នកធ្លាប់អង្គុយចុះ ហើយគិតថា មិនអីទេ ប៉ុន្តែតើខ្ញុំត្រូវប្រាប់ AI ឲ្យគូរដោយរបៀបណា?- នោះហើយជាកន្លែងដែលគំនិតនៃ "រចនាប័ទ្មសិល្បៈសម្រាប់ AI" ចាប់ផ្តើម។
ខាងក្រោមនេះ យើងនឹងពន្យល់អំពីរចនាប័ទ្មណាដែលងាយនឹងចុចបំផុតជាមួយប្រព័ន្ធបំលែងអត្ថបទទៅជារូបភាព ហេតុអ្វីបានជាពួកវាធ្វើបែបនេះ និងរបៀបដែលអ្នកអាចដឹកនាំពួកវាដោយមិនបាត់បង់ភាពច្នៃប្រឌិតរបស់អ្នក។ ខ្ញុំនឹងបន្ថែមកំណត់ចំណាំជាក់ស្តែងមួយចំនួនពីការធ្វើតេស្តជាក់ស្តែង (រួមទាំងអ្វីដែលពិតជាដំណើរការបានល្អក្នុងការសាកល្បងច្រើនដង) បូករួមទាំងផ្នែកបច្ចេកទេសមួយចំនួន ដូច្នេះដំណើរការនេះមានអារម្មណ៍មិនសូវដូចជាការរមៀលគ្រាប់ឡុកឡាក់ទេ [1][2][3][4][5]។.
អត្ថបទដែលអ្នកប្រហែលជាចង់អានបន្ទាប់ពីអត្ថបទនេះ៖
🔗 របៀបបង្កើតសិល្បៈ AI៖ ការណែនាំពេញលេញសម្រាប់អ្នកចាប់ផ្តើមដំបូង
ការណែនាំសម្រាប់អ្នកចាប់ផ្តើមដំបូងជាជំហានៗ សម្រាប់ការបង្កើតស្នាដៃសិល្បៈឌីជីថលដែលបង្កើតដោយ AI។.
🔗 ការចាប់ផ្តើមនៃសិល្បៈដែលបង្កើតដោយ AI៖ ការបញ្ចេញភាពច្នៃប្រឌិត ឬការបង្កភាពចម្រូងចម្រាស
ស្វែងយល់ពីភាពច្នៃប្រឌិត ក្រមសីលធម៌ និងការជជែកវែកញែកជុំវិញសិល្បៈដែលបង្កើតដោយ AI។.
🔗 ឧបករណ៍ AI ល្អបំផុតសម្រាប់ការរចនាក្រាហ្វិក៖ កម្មវិធីរចនាដែលដំណើរការដោយ AI កំពូល
ស្វែងយល់ពីឧបករណ៍ AI ដ៏មានអានុភាពដែលផ្លាស់ប្តូរដំណើរការការងាររចនាក្រាហ្វិកទំនើប។.
អ្វីដែលធ្វើឱ្យរចនាប័ទ្មសិល្បៈសម្រាប់ AI ពិតជាល្អ? ✨
ការជ្រើសរើសស្ទីលមិនមែនគ្រាន់តែជាការដេញតាមនិន្នាការនោះទេ។ ស្ទីលខ្លះងាយស្រួលសម្រាប់តារាម៉ូដែលក្នុងការកាន់។ ហេតុផលមួយចំនួន៖
-
ភាពច្បាស់លាស់ - រចនាប័ទ្មដែលមាន "ច្បាប់" ច្បាស់លាស់ (ធរណីមាត្រដែលបាក់បែករបស់គូបនិយម; បន្ទះដែលមានបន្ទាត់ច្រើនរបស់ម៉ាំងហ្គា) គឺអាចធ្វើម្តងទៀតបានច្រើនជាង ពីព្រោះរូបភាពគោលដៅមិនរសាត់ច្រើនទេ [3][4]។
-
ភាពបត់បែន - រចនាប័ទ្មដែលងាយស្រួលលាយបញ្ចូលគ្នា (ឧទាហរណ៍ "cyberpunk + realism") អនុញ្ញាតឱ្យម៉ូដែលសាយភាយទំនើបពឹងផ្អែកលើការយកចិត្តទុកដាក់ឆ្លងដើម្បីលាយបញ្ចូលគ្នាយ៉ាងស្អាត [1]។
-
ភាពអាចស្គាល់បាន - រចនាប័ទ្មដែលទិន្នន័យបណ្តុះបណ្តាលបានឃើញរាប់ពាន់ដង (អានីមេ អ៊ីមប្រ៊ីសិននិយម ហ្វូតូរៀលនិយម) ចេញមកកាន់តែស្មោះត្រង់ [2]។
-
អារម្មណ៍/បរិយាកាស - ពាក្យដូចជា "melancholic," "serene," ឬ "neon-lit" អាចផ្លាស់ប្តូរពន្លឺ ក្ដារលាយពណ៌ និងសមាសភាពតាមរបៀបដែលមានអារម្មណ៍ថាមានចេតនា [5]។
គោលដៅមិនមែនជា "ភាពត្រឹមត្រូវ" ខាងគ្លីនិកណាមួយឡើយ។ វាគឺជារចនាប័ទ្មជាធុងសម្រាប់អារម្មណ៍ ឬរឿងរ៉ាវរបស់អ្នក ហើយរៀនពីរបៀបជំរុញគំរូ ដើម្បីឱ្យវាអាចប៉ះពាល់ដល់ធុងនោះម្តងហើយម្តងទៀត។.
របៀបដែល AI “មើលឃើញ” រចនាប័ទ្ម (កំណែធម្មតា គ្មានពាក្យបច្ចេកទេសលើសកម្រិត)
ម៉ូដែលបំលែងអត្ថបទទៅជារូបភាពទំនើបមានចំណុចបីយ៉ាង៖
-
ការផ្គូផ្គងអត្ថបទ-រូបភាព - ប្រព័ន្ធដូចជា CLIP រៀន "ពាក្យណាដែលទៅជាមួយរូបរាងណា"។ ដូច្នេះនៅពេលអ្នកនិយាយថា "ការលាងសម្អាតទឹកថ្នាំ" វាផ្គូផ្គងឃ្លានោះទៅនឹងរូបភាព [3]។
-
ការសាយភាយនៅក្នុងលំហមិនទាន់បង្ហាញ - នៅក្រោមគម្រប ការសាយភាយមិនទាន់បង្ហាញធ្វើឱ្យរូបភាពដែលមានសំឡេងរំខានកាន់តែច្បាស់ឡើងៗឆ្ពោះទៅរកការពិពណ៌នារបស់អ្នក។ នោះហើយជារបៀបដែលវាទទួលបានទាំងប្រសិទ្ធភាព និងការគ្រប់គ្រង [1]។
-
ឧបករណ៍កែប្រែរហ័ស - “ល្បិចសហគមន៍” តូចៗ - ភ្លើងបំភ្លឺភាពយន្ត ពន្លឺគែម គ្រាប់ខ្សែភាពយន្តដែលមានកម្រិតពណ៌ខ្ពស់ - គឺដូចជាប៊ូតុងដែលអាចលៃតម្រូវបានដែលអ្នកអាចដាក់ជង់គ្នាបាន [5]។
ហេតុអ្វីបានជារឿងនេះសំខាន់៖ ប្រសិនបើរចនាប័ទ្មមានយ៉ាងច្បាស់នៅក្នុងទិន្នន័យបណ្តុះបណ្តាល ហើយ អ្នកពិពណ៌នាវាជាមួយកម្មវិធីបន្ថែមត្រឹមត្រូវ អ្នកនឹងទទួលបានលទ្ធផលដែលស៊ីសង្វាក់គ្នាយ៉ាងឆាប់រហ័ស [1][2][5]។
តារាងប្រៀបធៀប៖ រចនាប័ទ្មសិល្បៈពេញនិយមសម្រាប់ AI 🖌️
សន្លឹកបន្លំដែលរញ៉េរញ៉ៃប៉ុន្តែមានប្រយោជន៍មកដល់៖
| រចនាប័ទ្មសិល្បៈ | ទស្សនិកជន | តម្លៃ (ឧបករណ៍ AI) | ហេតុអ្វីបានជាវាដំណើរការ |
|---|---|---|---|
| ភាពប្រាកដនិយម | អ្នកថតរូប, ម៉ាកយីហោ | ឥតគិតថ្លៃ - $$$ | មើលទៅស្អាតបាត និងគួរឱ្យទុកចិត្ត |
| អានីមេ/ម៉ាំងហ្គា | អ្នកគាំទ្រវ័យក្មេង អ្នកលេងហ្គេម | ឥតគិតថ្លៃ - តម្លៃមធ្យម | រចនាសម្ព័ន្ធបន្ទាត់រឹងមាំ; អាចអានបានភ្លាមៗ |
| លទ្ធិជ្រុលនិយម | អ្នកច្នៃប្រឌិត អ្នកសុបិន | សេរី | ការលាយបញ្ចូលគ្នាចម្លែកៗសមនឹងការសាយភាយយ៉ាងល្អ |
| អ៊ីនធឺណិតផាំង | អ្នកស្រឡាញ់បច្ចេកវិទ្យា អ្នកអនាគតនិយម | ជាញឹកញាប់កម្មវិធីបន្ថែមឥតគិតថ្លៃ | ណេអុង + ភាពផ្ទុយគ្នា = កត្តាអស្ចារ្យភ្លាមៗ ⚡ |
| លទ្ធិអារម្មណ៍និយម | អ្នកចូលចិត្តសិល្បៈ | តម្លៃមធ្យម | វាយនភាពស្រាល + ជក់គឺងាយស្រួលសម្រាប់ម៉ូដែល |
| 3D ប៉ូលីទាប | អ្នករចនា, អ្នកអភិវឌ្ឍន៍ | ចម្រុះ | ធរណីមាត្រសាមញ្ញធ្វើឱ្យលទ្ធផលមានភាពស៊ីសង្វាក់គ្នា |
| សិល្បៈភីកសែល | អ្នកលេងហ្គេម អ្នកស្វែងរកអនុស្សាវរីយ៍ | ឥតគិតថ្លៃ (ភាគច្រើន) | សមាសភាពណែនាំអំពីការរឹតបន្តឹងរឹង |
ការគូសវាសលើផ្ទៃរូបភាព៖ សម្រាប់រូបភាពបែប cyberpunk ការដាក់ស្រទាប់ “soft rim-light + volumetric fog” ធ្វើឱ្យវត្ថុលេចធ្លោ។ សម្រាប់រូបភាពបែបភីកសែល សូមសង្កត់វាជាមួយ “8-bit, 32×32, limited palette” ដើម្បីជៀសវាងការសម្អាតលទ្ធផលច្រើនពេក។
ស្វែងយល់ឲ្យកាន់តែស៊ីជម្រៅ៖ ភាពប្រាកដនិយម ទល់នឹង ភាពមិនប្រាកដនិយម 🎭
ភាពប្រាកដនិយម គឺនិយាយអំពីសមាមាត្រ និងព័ត៌មានលម្អិត - ល្អឥតខ្ចោះសម្រាប់ការប្រកួតប្រជែងទីផ្សារ ឬការរចនាផលិតផល ដែលភាពជឿជាក់មានសារៈសំខាន់។ ការណែនាំដូចជា រូបថតពិតៗ DOF រាក់ ភ្លើងស្ទូឌីយោ កែវ 85mm ផ្តល់ឱ្យ AI នូវយុថ្កាបច្ចេកទេសច្បាស់លាស់។
ផ្ទុយទៅវិញ និយមជ្រុលនិយម ផ្អៀងទៅរកភាពចម្លែក។ គំរូសាយភាយពិតជាភ្លឺចែងចាំងនៅទីនេះ៖ “ខ្យងធ្វើពីនាឡិកា” “ទីក្រុងខ្សែវីយូឡុង” - របស់ដែលមនុស្សមិនអាចសមហេតុផលបាន ប៉ុន្តែគំរូអាចដេរភ្ជាប់គ្នាដោយមើលឃើញ។ នោះគឺជាការយកចិត្តទុកដាក់ឆ្លងកាត់ដោយស្ងាត់ស្ងៀមធ្វើមន្តអាគមរបស់វា [1]។ ស្លាកល្អ៖ ដូចសុបិន ធរណីមាត្រមិនអាចទៅរួច រចនាប័ទ្មអេសឆឺរ ។
អានីមេ និង ម៉ាំងហ្គា៖ អាយ ដាលីង 🌸
អានីមេ/ម៉ាំងហ្គា ស្ទើរតែមានប្រសិទ្ធភាពមិនយុត្តិធម៌។ បន្ទាត់លីនេអ៊ែរដែលបានកំណត់ ការដាក់ស្រមោលក្រឡា និងសមាមាត្ររូបតំណាង ផ្តល់ឱ្យគំរូនូវគំរូដែលចាក់សោរជាប់គ្នា ហើយវាជារឿងធម្មតាគួរឱ្យអស់សំណើចនៅក្នុងទិន្នន័យបណ្តុះបណ្តាល [2]។ ហើយកូនកាត់? មាស។ សាកល្បង អានីមេ cyberpunk samurai ឬ steampunk manga detective។
ជំរុញឲ្យមានរនាំងដើម្បីពឹងផ្អែកលើ៖
-
"រូបភាពសំខាន់ៗរបស់អានីមេ, ឥរិយាបថថាមវន្ត, បន្ទាត់ស្អាត, ការដាក់ស្រមោល cel, ភ្នែកបង្ហាញអារម្មណ៍, ផ្ទៃខាងក្រោយលម្អិត"
-
"ផ្ទាំងម៉ាំងហ្គា, ការដាក់ស្រមោលលើអេក្រង់, មុំហូឡង់, ការសង្កត់ធ្ងន់លើការសរសេរទឹកថ្នាំ"
កំណត់ចំណាំសម្រាប់ខ្លួនឯង៖ ប្រសិនបើលទ្ធផលមើលទៅមិនស្អាត សូមបន្ថែមលើ "clean lineart, flat shading" ឬកំណត់ពណ៌ជាមួយ "limited palette"។
រចនាប័ទ្ម Cyberpunk និងអនាគត ⚡
ផ្លាកសញ្ញាណេអុង ការឆ្លុះបញ្ចាំងពណ៌ក្រូម យប់ភ្លៀង - ម៉ូដែលនេះស៊ីអារម្មណ៍ណាស់។ ការសាយភាយដោះស្រាយ ពន្លឺកម្រិតពណ៌ខ្ពស់ + សម្ភារៈឆ្លុះបញ្ចាំងបាន យ៉ាងស្រស់ស្អាត។ ការជំរុញដូចជា "ផ្លូវតូចដែលមានពន្លឺណេអុង អ័ព្ទបរិមាណ ការឆ្លុះបញ្ចាំងភក់" ជារឿយៗមើលទៅដូចជារួចរាល់សម្រាប់ផ្ទាំងរូបភាព។
គន្លឹះជួសជុល៖ មុខដូចក្រមួន? បន្ថែម “ការខ្ចាត់ខ្ចាយក្រោមផ្ទៃ ការដាក់កម្រិតហ្វីល” និងបន្ថយទម្ងន់ “សំឡេងរំខាន” នៅក្នុងប្រអប់បញ្ចូល។
សិល្បៈ Impressionism និងវាយនភាពគំនូរ 🎨
នៅទីនេះ ព័ត៌មានលម្អិតមិនមែនជាស្តេចទេ។ និយម Impressionism រីកចម្រើនលើ គែមទន់ៗ ពណ៌ដែលខូច និងការលេងស្រាលៗ។ ការជំរុញដូចជា ការគូសវាសដែលអាចមើលឃើញ ភ្លើងបំភ្លឺ plein-air និងម៉ោងមាស ដំណើរការបានល្អ។ គំរូនេះបង្ហាញព័ត៌មានលម្អិតដោយមិនបង្ហាញលើសកម្រិត ដែលគួរឱ្យអស់សំណើចគ្រប់គ្រាន់ហើយ គឺទាំងភាពត្រឹមត្រូវ និងងាយស្រួលគណនា [4]។
តិចតួចបំផុត សិល្បៈភីកសែល និងរចនាបថបុរាណ 🕹️
ការរឹតបន្តឹងធ្វើឱ្យសាមញ្ញ។ ប៉ូលីទាប ពឹងផ្អែកលើភាពច្បាស់លាស់នៃធរណីមាត្រ; សិល្បៈភីកសែល ត្រូវបានចាក់សោដោយគុណភាពបង្ហាញ + ក្ដារលាយ។
ស៊ុមណែនាំដែលមានប្រយោជន៍៖
-
"ឌីអូរ៉ាម៉ាប៉ូលីទាប គែមរឹង ការដាក់ស្រមោលរាបស្មើ ការបិទបាំងព័ទ្ធជុំវិញ"
-
"សិល្បៈភីកសែល, ស្ព្រីត 32×32, រចនាប័ទ្ម NES, ការបង្វែរមានកំណត់"
ចំណាំបន្ថែម៖ ប្រសិនបើសិល្បៈភីកសែលមើលទៅរលោងពេក សូមបន្ថែម “CRT scanlines, dithered shadows” សម្រាប់ភាពរលោងអាណាឡូក។
ការលាយបញ្ចូលគ្នារវាងបច្ចេកវិទ្យាចម្រុះ៖ កន្លែងដែល AI ភ្លឺចែងចាំង ✨
កាតពិសេស៖ ការឆ្លងលំអង។ ការសាយភាយអនុញ្ញាតឱ្យអ្នកបញ្ចូលឥទ្ធិពលដែលវិចិត្រករភាគច្រើនមិនហ៊ានប៉ះពាល់ -Van Gogh cyberpunk, anime noir cubism, Renaissance mecha angel។ នេះគឺដូចជា neural style transfer 2.0 ប៉ុន្តែអាចគ្រប់គ្រងបានច្រើនជាង [1][4]។
ទម្រង់រូបមន្ត៖[ប្រធានបទ] + [សម័យកាល/ចលនា] + [ពន្លឺ] + [ឧបករណ៍/សម្ភារៈ] + [សមាសភាព] + [ក្ដារលាយពណ៌/អារម្មណ៍]
ឧទាហរណ៍៖ “អ្នកលេងវីយូឡុងនៅលើដំបូល - គំនូរប្រេងបែប Impressionist - ពន្លឺភ្លើងម៉ោងមាស - មិននៅចំកណ្តាល - ក្ដារលាយពណ៌នៃអនុស្សាវរីយ៍”។
គំរូជំរុញដែលពិតជាផ្លាស់ប្តូរលទ្ធផល 🛠️
ពីការសាកល្បងម្តងហើយម្តងទៀត៖
-
ការផ្គូផ្គងរចនាប័ទ្មមធ្យម + បញ្ជាក់គែម/វាយនភាព៖ គំនូរប្រេងបែបសុរិយនិយម ម៉ាំងហ្គាឌីជីថល [5]។
-
Lighting First ផ្លាស់ប្តូរភាពប្រាកដនិយមច្រើនជាងការសរសេរពាក្យជាស្រទាប់ៗ។
-
ភាសាកាមេរ៉ា (មុំ ប្រវែងកែវថត) ផ្តល់នូវភាពអាចទស្សន៍ទាយបានភ្លាមៗ។
-
ការរឹតបន្តឹង មានសារៈសំខាន់ - បង្ខំយ៉ាងច្បាស់ឱ្យគុណភាពបង្ហាញ/ក្ដារលាយសម្រាប់ភាពសាមញ្ញ ឬសិល្បៈភីកសែល។
-
ការកែសម្រួលតូចៗ > សរសេរឡើងវិញធំៗ។ ការប្តូរ “neon” → “sodium-vapor” ជារឿយៗមានប្រសិទ្ធភាពជាងការផ្លាស់ប្តូរទាំងស្រុង [5]។
ការត្រួតពិនិត្យការពិតរហ័ស 🔍
-
ភាពលំអៀង - រចនាប័ទ្មដែលពេញនិយមនៅលើអ៊ីនធឺណិត (អានីមេ រចនាប័ទ្មរូបថត) គ្របដណ្ដប់លើលទ្ធផល។ រចនាប័ទ្មកម្រត្រូវការឯកសារយោង ឬការលៃតម្រូវ [2]។
-
ហេតុអ្វីបានជារឿងប្រឌិតបែប Surreal ដំណើរការ - ភាពធូររលុងនៃការសាយភាយលាក់បាំងការខកខាននៃកាយវិភាគសាស្ត្រ - ធ្វើឱ្យរបស់ចម្លែកៗមើលទៅដូចជាចេតនា [1]។
-
ការរសាត់បាត់នៃការណែនាំ - ប្រសិនបើលទ្ធផលនីមួយៗមើលទៅដូចគ្នា សូមកែសម្រួលការកែប្រែមុនពេលផ្លាស់ប្តូរប្រធានបទ [5]។
-
សិទ្ធិ/ក្រមសីលធម៌ - សំណុំទិន្នន័យត្រូវបានប្រើប្រាស់យ៉ាងទូលំទូលាយ; ប្រើប្រាស់លទ្ធផលដោយមានការទទួលខុសត្រូវ ជាពិសេសផ្នែកពាណិជ្ជកម្ម [2]។
កំណត់ចំណាំករណីខ្នាតតូច (ពីប្រអប់ខ្សាច់របស់ខ្ញុំ) 🧪
-
រូបបញ្ឈរ Cyberpunk - “រូបបញ្ឈរ ពណ៌ខៀវស្រងាត់-ស្វាយខ្ចី រនាំងភ្លៀង ពន្លឺគែម 85mm បូកូហេបែបភាពយន្ត”
ដំណើរការបានល្អពីព្រោះ៖ កែវ + ភ្លើងបំភ្លឺបានបំបែកប្រធានបទ/ផ្ទៃខាងក្រោយយ៉ាងល្អឥតខ្ចោះ។ -
ទេសភាពបែប Impressionist - “មាត់ទន្លេនៅម៉ោងមាស គំនូរប្រេងបែប Impressionist ស្នាមជក់ដែលអាចមើលឃើញ”
ដំណើរការដោយសារ៖ វាយនភាពមធ្យម ពន្លឺគ្រប់គ្រងភាពកក់ក្តៅ។ -
សត្វសិល្បៈភីកសែល - “នាគភីកសែល 32×32, ការបង្វែរមានកំណត់, គ្រោង 1 ភីកសែល, អ៊ីសូម៉ែត្រិច”
ដំណើរការដោយសារតែ៖ ការរឹតបន្តឹងបានបញ្ឈប់ការធ្វើឱ្យរលោង។
ការណែនាំរហ័សសម្រាប់ឯកសារយោង (ចម្លង/បិទភ្ជាប់)
-
ភាពប្រាកដនិយម (ផលិតផល)៖ “រូបថតផលិតផលស្ទូឌីយោ ភ្លើងបំភ្លឺប្រអប់ទន់ កែវថត 50mm សេរ៉ាមិចរលោង ស្បៃស្អាត”
-
សកម្មភាពអានីមេ៖ “រូបភាពសំខាន់ៗរបស់អានីមេ, ឥរិយាបថថាមវន្តខ្លី, ការដាក់ស្រមោលសែល, ខ្សែល្បឿន”
-
វិចិត្រសាល Surreal៖ “ទេសភាពក្នុងសុបិន ធរណីមាត្រដែលមិនអាចទៅរួច ជណ្តើរអណ្តែត អ័ព្ទទន់ គ្រាប់ពន្លឺពណ៌មាស”
-
ឈុតឆាក Low-Poly៖ “ទីក្រុង low-poly អ៊ីសូម៉ែត្រិច ការដាក់ស្រមោលរាបស្មើ ការបិទបាំងព័ទ្ធជុំវិញ ក្ដារលាយពណ៌ pastel”
-
រូបគំនូរបែប Impressionist៖ “ប្រេងលើផ្ទាំងក្រណាត់ គំនូរជក់រលុង ពន្លឺគែម ចំណុចលេចធ្លោបែប Impasto”
សេចក្តីសង្ខេប 🖼️
«រចនាប័ទ្មសិល្បៈសម្រាប់ AI» មិនមែនជាសៀវភៅក្បួនទេ - ពួកវាជាសួនកុមារ។ ភាពប្រាកដនិយមដំណើរការនៅពេលដែលការជឿទុកចិត្តមានសារៈសំខាន់; ភាពអស្ចារ្យនៅពេលដែលអ្នកចង់បំបែកការពិត; អានីមេ/ម៉ាំងហ្គានៅពេលដែលអ្នកត្រូវការភាពច្បាស់លាស់ជាមួយនឹងកន្លែងទំនេរដើម្បីលាយបញ្ចូលគ្នានូវរចនាប័ទ្ម។ យុទ្ធសាស្ត្រឈ្នះគឺការលេងដែលមានរចនាសម្ព័ន្ធ៖ ជ្រើសរើសរចនាប័ទ្ម ជ្រើសរើសពន្លឺ + មេឌៀ បន្ថែមការកែប្រែមួយចំនួន បន្ទាប់មកធ្វើម្តងទៀត។ ប្រសិនបើវាធ្វើឱ្យ អ្នក មានអារម្មណ៍អ្វីមួយ - ទោះបីជាវាមិនល្អឥតខ្ចោះក៏ដោយ - អ្នកស្ថិតនៅក្នុងតំបន់នោះ។
ឯកសារយោង
[1] Rombach, R. et al. (2022)។ ការសំយោគរូបភាពដែលមានគុណភាពបង្ហាញខ្ពស់ជាមួយម៉ូដែលសាយភាយមិនទាន់ច្បាស់លាស់ (CVPR)។ PDF
[2] Schuhmann, C. et al. (2022)។ LAION-5B៖ សំណុំទិន្នន័យទ្រង់ទ្រាយធំបើកចំហសម្រាប់ការបណ្តុះបណ្តាលម៉ូដែលរូបភាព-អត្ថបទជំនាន់ក្រោយ។ PDF
[3] Radford, A. et al. (2021)។ ការរៀនម៉ូដែលដែលមើលឃើញដែលអាចផ្ទេរបានពីការត្រួតពិនិត្យភាសាធម្មជាតិ (CLIP)។ PDF
[4] Gatys, L. et al. (2016)។ ការផ្ទេររចនាប័ទ្មរូបភាពដោយប្រើបណ្តាញសរសៃប្រសាទ Convolutional (CVPR)។ PDF
[5] Oppenlaender, J. (2024)។ ចំណាត់ថ្នាក់នៃកម្មវិធីកែប្រែរហ័សសម្រាប់ការបង្កើតអត្ថបទទៅរូបភាព។ ឥរិយាបថ និងបច្ចេកវិទ្យាព័ត៌មាន។ អត្ថបទ