Với Emu Video, sử dụng mô hình Emu mạnh mẽ, Meta trình bày một phương pháp đơn giản cho việc chuyển đổi văn bản thành video dựa trên mô hình diffusion. Đây là một kiến trúc thống nhất cho các nhiệm vụ tạo video có thể phản ứng với nhiều đầu vào khác nhau: chỉ với văn bản, chỉ với hình ảnh, hoặc cả văn bản và hình ảnh. Quy trình được chia thành hai bước: trước tiên, tạo ra hình ảnh dựa trên một yêu cầu văn bản, và sau đó, tạo video dựa trên cả văn bản và hình ảnh đã tạo. Phương pháp “factorized” này giúp Meta huấn luyện mô hình tạo video một cách hiệu quả. Meta chứng minh rằng việc tạo video theo cách này có thể được thực hiện thông qua một mô hình diffusion duy nhất.

Quyết định thiết kế quan trọng, như điều chỉnh lịch trình nhiễu cho quá trình diffusion video và đào tạo đa giai đoạn, giúp Meta trực tiếp tạo ra video độ phân giải cao. Khác biệt so với các công trình trước đó đòi hỏi một chuỗi sâu của các mô hình (ví dụ như năm mô hình cho Make-A-Video), phương pháp tiên tiến của Meta đơn giản để triển khai và chỉ sử dụng hai mô hình diffusion để tạo ra video 512×512 với thời lượng bốn giây và 16 khung hình mỗi giây. Trong đánh giá của người dùng, sản phẩm video của Meta được đánh giá cao hơn đáng kể so với công trình trước đó – thực tế, 96% người tham gia ưa chuộng mô hình này hơn so với Make-A-Video về chất lượng và 85% người tham gia ưa chuộng về độ trung thực với yêu cầu văn bản.

Khác với các nghiên cứu trước đó yêu cầu một chuỗi mô hình phức tạp (ví dụ như năm mô hình cho Make-A-Video), phương pháp tiên tiến của Meta đơn giản để triển khai và chỉ sử dụng hai mô hình diffusion để tạo ra video 512×512 với thời lượng bốn giây và 16 khung hình mỗi giây. Trong đánh giá của người dùng, sản phẩm video của Meta được đánh giá cao hơn đáng kể so với công trình trước đó – thực tế, 96% người tham gia ưa chuộng mô hình này hơn so với Make-A-Video về chất lượng và 85% người tham gia ưa chuộng về độ trung thực với yêu cầu văn bản.

Cuối cùng, mô hình này cũng có khả năng “hoạt hình hóa” hình ảnh do người dùng cung cấp dựa trên yêu cầu văn bản, nơi nó một lần nữa xác lập vị thế tiên tiến mới và vượt trội so với công trình trước đó một cách đáng kể. Emu Video không chỉ là một bước tiến đột phá trong việc tạo video bằng Trí tuệ Nhân tạo mà còn đặt ra một tiêu chuẩn mới về đơn giản và hiệu quả, phản ánh cam kết của Meta đối với ứng dụng AI thân thiện với người dùng và dễ sử dụng. Sự xuất sắc của nó trong đánh giá người dùng là bằng chứng cho thấy Meta không chỉ làm tiên tiến các công nghệ AI mà còn làm cho chúng trở nên trực quan và tiện lợi hơn đối với mọi người.

Emu Edit – Hỗ trợ chỉnh sửa hình ảnh nhanh và đơn giản

Bạn thử một yêu cầu, hình ảnh sinh ra không đúng như bạn nghĩ, vì vậy bạn tiếp tục điều chỉnh yêu cầu cho đến khi đạt được kết quả mong muốn hơn. Đó là lý do tại sao kỹ thuật lập chỉ mệnh (prompt engineering) đã trở thành một xu hướng. Và mặc dù các mô hình tạo hình ảnh có thể hướng dẫn đã có những tiến bộ đáng kể trong những năm gần đây, chúng vẫn đối mặt với những hạn chế khi cần cung cấp kiểm soát chính xác. Đó là lý do tại sao chúng tôi giới thiệu Emu Edit, một phương pháp mới mẻ nhằm tối ưu hóa các công việc chỉnh sửa ảnh và mang lại khả năng và độ chính xác tăng cường cho chỉnh sửa hình ảnh.

Tính Năng Chính của Emu Edit:

• Chỉnh Sửa Tự Do: Emu Edit có khả năng chỉnh sửa tự do thông qua các chỉ dẫn, bao gồm nhiệm vụ như chỉnh sửa cục bộ và toàn cầu, xóa và thêm nền, biến đổi màu sắc và hình học, phân loại và phân đoạn, và nhiều nhiệm vụ khác.
• Kiểm Soát Chính Xác: Meta Edit chú trọng vào việc đảm bảo chỉnh sửa chính xác, tránh tình trạng chỉnh sửa quá mức hoặc không đạt hiệu suất mong muốn trên các nhiệm vụ chỉnh sửa khác nhau.
• Chỉ Chỉnh Sửa Những Pixel Liên Quan: Khác với nhiều mô hình Trí tuệ Nhân tạo tạo sinh hiện nay, Emu Edit tuân thủ chính xác các chỉ dẫn, đảm bảo rằng các pixel trong ảnh gốc không liên quan đến chỉ dẫn sẽ không bị ảnh hưởng. Ví dụ, khi thêm văn bản “Aloha!” lên mũ bóng chày, mũ bóng chày sẽ không thay đổi.

Khám Phá Chính Thức:

Emu Edit đưa ra quan điểm chính yếu tố quan trọng là việc tích hợp các nhiệm vụ thị giác máy tính như chỉ dẫn cho các mô hình tạo hình ảnh mang lại kiểm soát chưa từng có trong quá trình tạo và chỉnh sửa ảnh. Qua việc nghiên cứu chi tiết cả nhiệm vụ chỉnh sửa cục bộ và toàn cầu, chúng tôi nhấn mạnh tiềm năng lớn của Meta Edit trong việc thực hiện các chỉ dẫn chỉnh sửa chi tiết.

Đào Tạo Mô Hình:

Để đào tạo mô hình, Meta đã phát triển một bộ dữ liệu chứa 10 triệu mẫu tổng hợp, mỗi mẫu bao gồm một hình ảnh đầu vào, mô tả của nhiệm vụ cần thực hiện và hình ảnh đầu ra mong muốn. Chúng tôi tin rằng đây là bộ dữ liệu lớn nhất trong thời điểm hiện tại. Nhờ đó, mô hình của chúng tôi hiển thị kết quả chỉnh sửa chưa từng thấy về độ chính xác của chỉ dẫn và chất lượng hình ảnh. Trong các đánh giá của chúng tôi, Emu Edit thể hiện hiệu suất vượt trội so với các phương pháp hiện tại, tạo ra những kết quả mới tốt nhất cả về mặt chất lượng và định lượng cho một loạt các nhiệm vụ chỉnh sửa ảnh.

Tổng kết

Meta đã tiên phong trong lĩnh vực Trí tuệ Nhân tạo, đưa ra hai ứng dụng sáng tạo mới: Emu Video và Emu Edit. Emu Video sử dụng mô hình Emu để tạo video chất lượng cao thông qua phương pháp factorized, đồng thời vượt qua các mô hình trước đó với hiệu suất ấn tượng và đánh giá cao từ người dùng.

Emu Edit, một phương pháp chỉnh sửa ảnh độc đáo, giải quyết vấn đề kiểm soát chính xác trong quá trình chỉnh sửa hình ảnh bằng cách sử dụng chỉ dẫn và tích hợp các nhiệm vụ thị giác máy tính. Được đào tạo trên bộ dữ liệu lớn, Meta Edit đạt được kết quả chỉnh sửa ấn tượng với độ trung thực cao và chất lượng ảnh xuất sắc.

Hai ứng dụng này đều phản ánh cam kết của Meta đối với sự tiên tiến và thú vị trong lĩnh vực Trí tuệ Nhân tạo, mang lại trải nghiệm sáng tạo và tiện lợi cho người dùng. Đừng quên theo dõi Hiếu AI để biết thêm nhiều kiến thức về cách tạo video đơn giản mỗi ngày nhé.