Meta, das Social-Media-Gigant, hat kürzlich seine innovativen KI-Modelle für die Videoerstellung und die Bildbearbeitung vorgestellt. Diese hochmodernen Modelle befinden sich noch in der experimentellen Phase, aber erste Ergebnisse deuten darauf hin, dass sie für Content-Ersteller, Künstler und Animator:innen bahnbrechend sein könnten.
Enthüllung der Leistung von Emu Video und Emu Edit
Die beiden von Meta eingeführten KI-Modelle sind Emu Video und Emu Edit. Emu Video, eine Weiterentwicklung des früheren Emu-Modells von Meta, kann Videoclips aus Text- und Bildeingaben generieren. Andererseits konzentriert sich Emu Edit auf die Bildmanipulation und bietet eine verbesserte Präzision bei der Bildbearbeitung.
Emu Video verwendet einen einzigartigen „faktorisierten“ Ansatz, der den Schulungsprozess in zwei Schritte unterteilt, um das Modell für verschiedene Eingaben reaktionsschnell zu machen. Es generiert zunächst Bilder basierend auf einer Texteingabe und erstellt dann ein Video unter Verwendung des Textes und des generierten Bildes. Dieses Modell kann auch Bilder basierend auf einer Texteingabe „animieren“.
Im Gegensatz zu anderen Modellen, die auf einer tiefen Kaskade von Modellen beruhen, verwendet Emu Video nur zwei Diffusionsmodelle, um 512×512 viersekündige Videos mit 16 Frames pro Sekunde zu generieren. Emu Edit ermöglicht es den Nutzern hingegen, Bildhintergründe hinzuzufügen oder zu entfernen, Farb- und Geometrietransformationen durchzuführen und Bilder sowohl lokal als auch global zu bearbeiten.
Metas Engagement für Präzision und Reaktionsfähigkeit
Meta betont, dass das Hauptziel dieser Modelle nicht nur darin besteht, „glaubwürdige“ Bilder zu erzeugen. Stattdessen liegt der Fokus auf der präzisen Veränderung nur der für die Bearbeitungsanfrage relevanten Pixel. Wenn beispielsweise die Anweisung lautet, den Text „Aloha!“ auf eine Baseballmütze hinzuzufügen, stellt das Modell sicher, dass die Mütze selbst unverändert bleibt.
Emu Edit wurde mithilfe von Computer-Vision-Aufgaben mit einem Datensatz von 10 Millionen synthetisierten Bildern trainiert, wobei jedes Bild eine Eingabe, eine Aufgabenbeschreibung und ein gezieltes Ausgabebild aufwies. Meta behauptet, dass dies der bisher größte Datensatz seiner Art sei.
Training von KI-Modellen mit massiven Datensätzen
Das ursprüngliche Emu-Modell wurde mithilfe von erstaunlichen 1,1 Milliarden Datenstücken trainiert, darunter Fotos und Bildunterschriften, die von Nutzern auf Facebook und Instagram geteilt wurden. Dies wurde von CEO Mark Zuckerberg auf der Meta Connect-Veranstaltung im September bekannt gegeben.
Trotz des Potenzials dieser KI-Tools hat Meta aufgrund genauer Prüfung durch Regulierungsbehörden bei deren Einsatz Vorsicht walten lassen. So kündigte Meta kürzlich an, politischen Kampagnen und Werbetreibenden nicht zu gestatten, seine KI-Tools zur Erstellung von Anzeigen auf Facebook und Instagram zu verwenden.
Wenn wir tiefer in die Welt der KI und ihre Anwendungen eintauchen, können Plattformen wie cryptoview.io wertvolle Einblicke in die sich rasant entwickelnde Technologielandschaft bieten. Mit seinen umfassenden Funktionen kann cryptoview.io den Nutzern helfen, auf dem neuesten Stand der Entwicklungen in der Tech-Welt zu bleiben.
