Älä ylihypetä tekoälyn kuvagenerointia: tekoäly, joka ei osaa muokata tasoja, on vain 'maalattu kakku'

Toozon (Tuzhan Intelligent) on julkaissut RabbitVisin, tekoälypohjaisen suunnittelutuotantotyökalun, joka perustuu heidän UniWorld-Design-malliinsa ja yhdistää visuaalisen generoinnin ja muokkauksen ominaisuudet. Toisin kuin perinteiset tekoälykuvageneraattorit, jotka tuottavat yhden lopullisen kuvan, RabbitVis tukee kerrosten hajottamista, jolloin tekstiä, elementtejä, taustoja ja koriste-elementtejä voidaan muokata itsenäisinä kerroksina. Tämä mahdollistaa käyttäjille esimerkiksi logojen uudelleensijoittelun, tekstin koon muuttamisen tai verkkokauppaversioiden luomisen ilman, että koko kuva generoidaan uudelleen alusta alkaen. Työkalu perustuu UniWorld-Design-malliin, jonka Toozon on kehittänyt yhdessä Pekingin yliopiston ja Pengcheng-laboratorion kanssa, ja se sisältää läpinäkyvien materiaalien generoinnin ja kuvien kerrostuksen ominaisuudet. Arvioinneissa UniWorld-Design saavutti CLIP-pistemäärän 33,03 läpinäkyvien materiaalien generoinnissa (T2RGBA), ja kuvien kerrostustesteissä (I2L) se sai RGB L1 -arvon 0,1264, Alpha Soft IoU -arvon 0,7325 ja muokattavuusarvon 1,32. Lisäksi VLM:n subjektiivinen pistemäärä oli 20,43/25. RabbitVis pyrkii muuttamaan tekoälysuunnittelun kertaluonteisesta generoinnista jatkuvaksi tuotannoksi, jolloin suunnittelutuotoksista tulee uudelleenkäytettäviä suunnitteluomaisuuksia. Tämä siirtää kilpailun painopisteen mallien raakahyvyydestä käytännön työnkulun tuloksiin.