изображений во многих отношениях оказывается более сложной задачей, чем генерация изображений. ключевой вопрос — это ожидания: если я прошу модель создать «кота, занимающегося серфингом», я обычно доволен полученным изображением, пока оно содержит кота, занимающегося серфингом. мне все равно, какой это кот, стоит ли он (в правильной форме серфинга) или падает в воду (как типичная форма серфинга этого автора).
однако если я прошу
отредактировать изображение, я хочу, чтобы многие Мобильная база данных Египта аспекты изображения остались прежними. допустим, у меня есть фотография собаки, занимающейся серфингом, и я хочу отредактировать эту конкретную фотографию так, чтобы она стала фотографией кошки, занимающейся серфингом;
я буду гораздо более
придирчивым к редактированию! было бы неплохо, если бы доска для серфинга осталась того же цвета, спасательный жилет того же узора, а вода той же формы. однако эту придирчивость трудно реализовать — вспомните выше, что эти модели обучены znb directory восстанавливать изображения из шума. чтобы отредактировать изображение, вы добавляете шум к этому изображению, чтобы оно выглядело как частичная генерация, а затем выполняете генерацию с данным о продажах новыми текстовыми критериями.
