آژانسهای تبلیغاتی میتوانند از هوش مصنوعی مولد و مدلهای پایه متن به تصویر برای ایجاد محتوای خلاقانه تبلیغاتی و خلاقانه استفاده کنند. در این پست نشان میدهیم که چگونه میتوانید با استفاده از تصاویر پایه موجود، تصاویر جدیدی تولید کنید آمازون SageMaker، یک سرویس کاملاً مدیریت شده برای ساخت، آموزش و استقرار مدل های ML در مقیاس. با این راه حل، کسب و کارهای بزرگ و کوچک می توانند خلاقیت های تبلیغاتی جدید را بسیار سریعتر و با هزینه کمتر از همیشه توسعه دهند. این به شما این امکان را می دهد که محتوای خلاقانه تبلیغاتی سفارشی جدیدی را برای کسب و کار خود با هزینه کم و با سرعتی سریع ایجاد کنید.
بررسی اجمالی راه حل
سناریوی زیر را در نظر بگیرید: یک شرکت خودروسازی جهانی به مواد بازاریابی جدیدی نیاز دارد که برای طراحی خودروی جدیدشان تولید شده است و یک آژانس خلاق را استخدام می کند که به ارائه راه حل های تبلیغاتی برای مشتریان با ارزش ویژه برند قوی معروف است. سازنده خودرو به دنبال خلاقیت های تبلیغاتی کم هزینه است که مدل را در مکان ها، رنگ ها، نماها و چشم اندازهای متنوع نمایش دهد و در عین حال هویت برند سازنده خودرو را حفظ کند. با قدرت تکنیکهای پیشرفته، آژانس خلاق میتواند با استفاده از مدلهای هوش مصنوعی مولد در محیط امن AWS از مشتری خود پشتیبانی کند.
این راه حل با هوش مصنوعی مولد و مدل های متن به تصویر در Amazon SageMaker توسعه یافته است. SageMaker یک سرویس یادگیری ماشینی کاملاً مدیریت شده (ML) است که ساخت، آموزش و استقرار مدلهای ML را برای هر موردی با زیرساختها، ابزارها و گردشهای کاری کاملاً مدیریت شده آسان میکند. انتشار پایدار یک مدل پایه متن به تصویر از هوش مصنوعی پایداری که فرآیند تولید تصویر را تقویت می کند. پخش کننده مدل های از پیش آموزش دیده ای هستند که از Stable Diffusion برای استفاده از یک تصویر موجود برای تولید تصاویر جدید بر اساس یک اعلان استفاده می کنند. ترکیب انتشار پایدار با دیفیوزرهایی مانند ControlNet می تواند محتوای خاص برند موجود را بگیرد و نسخه های خیره کننده آن را توسعه دهد. مزایای کلیدی توسعه راه حل در AWS همراه با آمازون SageMaker عبارتند از:
- حریم خصوصی - ذخیره سازی داده ها در سرویس ذخیره سازی ساده آمازون (Amazon S3) و استفاده از SageMaker برای میزبانی مدلها به شما این امکان را میدهد تا به بهترین شیوههای امنیتی در حساب AWS خود پایبند باشید و در عین حال داراییها را به صورت عمومی افشا نکنید.
- مقیاس پذیری – مدل Stable Diffusion، زمانی که به عنوان یک نقطه پایانی SageMaker استقرار مییابد، مقیاسپذیری را به شما امکان میدهد تا اندازههای نمونه و تعداد نمونهها را پیکربندی کنید. نقاط پایانی SageMaker همچنین دارای ویژگی های مقیاس خودکار هستند و بسیار در دسترس هستند.
- انعطاف پذیری - هنگام ایجاد و استقرار نقاط پایانی، SageMaker انعطاف پذیری را برای انتخاب انواع نمونه GPU فراهم می کند. همچنین، با تغییر نیازهای کسبوکار، میتوان نمونههای پشت نقاط پایانی SageMaker را با حداقل تلاش تغییر داد. AWS نیز با استفاده از سخت افزار و تراشه توسعه داده است AWS Inferentia2 برای عملکرد بالا با کمترین هزینه برای استنتاج AI مولد.
- نوآوری سریع – هوش مصنوعی مولد یک دامنه به سرعت در حال تکامل با رویکردهای جدید است و مدلها به طور مداوم در حال توسعه و انتشار هستند. Amazon SageMaker JumpStart به طور مرتب مدلهای جدید را همراه با مدلهای فونداسیون نصب میکند.
- ادغام انتها به انتها - AWS به شما امکان می دهد فرآیند خلاقانه را با هر سرویس AWS ادغام کنید و با استفاده از کنترل دسترسی دقیق از طریق یک فرآیند پایان به انتها توسعه دهید. هویت AWS و مدیریت دسترسی (IAM)، اطلاع رسانی از طریق سرویس اطلاع رسانی ساده آمازون (Amazon SNS)، و پس پردازش با سرویس محاسباتی رویداد محور AWS لامبدا.
- توزیع - هنگامی که خلاقیت های جدید تولید می شوند، AWS اجازه می دهد تا محتوا را در کانال های جهانی در چندین منطقه با استفاده از آمازون CloudFront.
برای این پست از موارد زیر استفاده می کنیم نمونه GitHub، که با استفاده از Amazon SageMaker Studio با مدل های پایه (Stable Diffusion)، دستورات، تکنیک های بینایی کامپیوتری، و نقطه پایانی SageMaker برای تولید تصاویر جدید از تصاویر موجود. نمودار زیر معماری راه حل را نشان می دهد.
گردش کار شامل مراحل زیر است:
- ما محتوای موجود (تصاویر، سبک های برند و غیره) را به طور ایمن در سطل های S3 ذخیره می کنیم.
- در نوتبوکهای SageMaker Studio، دادههای تصویر اصلی با استفاده از آن به تصاویر تبدیل میشوند تکنیک های بینایی کامپیوتری، که شکل محصول را حفظ می کند (مدل ماشین)، رنگ و پس زمینه را حذف می کند و تصاویر میانی یکنواخت ایجاد می کند.
- تصویر میانی به عنوان یک تصویر کنترلی برای انتشار پایدار با ControlNet عمل می کند.
- ما یک نقطه پایانی SageMaker را با مدل پایه متن به تصویر Stable Diffusion از SageMaker Jumpstart و ControlNet در اندازه نمونه ترجیحی مبتنی بر GPU مستقر می کنیم.
- درخواستهایی که پسزمینههای جدید و رنگهای خودرو را به همراه تصویر یکنواخت میانی توصیف میکنند، برای فراخوانی نقطه پایانی SageMaker استفاده میشوند و تصاویر جدیدی به دست میآیند.
- تصاویر جدید در حین تولید در سطل های S3 ذخیره می شوند.
ControlNet را در نقاط انتهایی SageMaker مستقر کنید
برای استقرار مدل در نقاط پایانی SageMaker، باید یک فایل فشرده برای هر آرتیفکت مدل تکنیکی به همراه وزنهای انتشار پایدار، اسکریپت استنتاج و فایل پیکربندی NVIDIA Triton ایجاد کنیم.
در کد زیر، وزنهای مدل را برای تکنیکهای مختلف ControlNet و Stable Diffusion 1.5 در فهرست محلی به عنوان فایلهای tar.gz دانلود میکنیم:
برای ایجاد خط لوله مدل، یک را تعریف می کنیم inference.py
اسکریپتی که نقاط پایانی بلادرنگ SageMaker برای بارگیری و میزبانی فایل های Stable Diffusion و ControlNet tar.gz استفاده می کنند. در ادامه گزیده ای از inference.py
که نشان می دهد که چگونه مدل ها بارگذاری می شوند و چگونه تکنیک Canny نامیده می شود:
ما نقطه پایانی SageMaker را با اندازه نمونه مورد نیاز (نوع GPU) از مدل URI مستقر می کنیم:
تصاویر جدید تولید کنید
اکنون که نقطه پایانی در نقاط پایانی SageMaker مستقر شده است، میتوانیم پیامهای خود و تصویر اصلی را که میخواهیم به عنوان خط پایه استفاده کنیم، ارسال کنیم.
برای تعریف prompt، یک prompt مثبت ایجاد می کنیم، p_p
، برای چیزی که در تصویر جدید به دنبال آن هستیم و اعلان منفی، n_p
، برای آنچه باید اجتناب شود:
در نهایت، نقطه پایانی خود را با تصویر اعلان و منبع فراخوانی می کنیم تا تصویر جدید خود را ایجاد کنیم:
تکنیک های مختلف ControlNet
در این بخش، تکنیکهای مختلف ControlNet و تأثیر آنها بر روی تصویر حاصل را با هم مقایسه میکنیم. ما از تصویر اصلی زیر برای تولید محتوای جدید با استفاده از Stable Diffusion with Control-net در Amazon SageMaker استفاده می کنیم.
جدول زیر نشان می دهد که چگونه خروجی تکنیک تعیین می کند که از تصویر اصلی روی چه چیزی تمرکز کنیم.
نام تکنیک | نوع تکنیک | خروجی تکنیک | سریع | انتشار پایدار با ControlNet |
عاقل | یک تصویر تک رنگ با لبه های سفید در پس زمینه سیاه. | ماشین رنگی نارنجی فلزی، ماشین کامل، عکس رنگی، در فضای باز در منظره ای دلپذیر، واقعی، با کیفیت بالا | ||
عمق | تصویری در مقیاس خاکستری با رنگ سیاه نشان دهنده مناطق عمیق و سفید نشان دهنده مناطق کم عمق. | ماشین قرمز فلزی، ماشین کامل، عکس رنگی، در فضای باز در منظره دلپذیر در ساحل، واقعی، با کیفیت بالا | ||
پرچین | یک تصویر تک رنگ با لبه های نرم سفید در پس زمینه سیاه. | ماشین سفید رنگ فلزی ماشین کامل عکس رنگی در شهر در شب واقعی با کیفیت بالا | ||
با شتاب نوشتن | یک تصویر تک رنگ با دست طراحی شده با خطوط سفید در پس زمینه سیاه. | ماشین آبی فلزی رنگی شبیه ماشین اصلی ماشین کامل عکس رنگی فضای باز نمای نفس گیر واقع گرای با کیفیت بالا دیدگاه متفاوت |
پاک کردن
پس از ایجاد تبلیغات جدید با هوش مصنوعی، منابعی را که استفاده نمیشوند پاک کنید. داده های آمازون S3 را حذف کنید و هرگونه نمونه نوت بوک SageMaker Studio را متوقف کنید تا هزینه دیگری متحمل نشوید. اگر از SageMaker JumpStart برای استقرار Stable Diffusion به عنوان نقطه پایانی بلادرنگ SageMaker استفاده کرده اید، نقطه پایانی را از طریق کنسول SageMaker یا SageMaker Studio حذف کنید.
نتیجه
در این پست، ما از مدل های پایه در SageMaker برای ایجاد تصاویر محتوای جدید از تصاویر موجود ذخیره شده در Amazon S3 استفاده کردیم. با استفاده از این تکنیک ها، بازاریابی، تبلیغات و سایر آژانس های خلاق می توانند از ابزارهای مولد هوش مصنوعی برای تقویت فرآیند خلاقیت تبلیغاتی خود استفاده کنند. برای غوطه ور شدن عمیق تر در راه حل و کد نشان داده شده در این نسخه ی نمایشی، بررسی کنید GitHub repo.
همچنین رجوع شود به بستر آمازون برای موارد استفاده در هوش مصنوعی مولد، مدلهای پایه و مدلهای متن به تصویر.
درباره نویسنده
سوویک کومار نات یک معمار راه حل AI/ML با AWS است. او تجربه گسترده ای در طراحی راه حل های یادگیری ماشینی و تجزیه و تحلیل کسب و کار سرتاسر در امور مالی، عملیات، بازاریابی، مراقبت های بهداشتی، مدیریت زنجیره تامین و اینترنت اشیا دارد. Sovik مقالاتی منتشر کرده است و دارای حق ثبت اختراع در نظارت بر مدل ML است. او دارای دو مدرک کارشناسی ارشد از دانشگاه فلوریدا جنوبی، دانشگاه فریبورگ، سوئیس، و مدرک لیسانس از موسسه فناوری هند، خاراگپور است. سوویک خارج از محل کار، از مسافرت، کشتی سواری و تماشای فیلم لذت می برد.
ساندیپ ورما یک معمار نمونه اولیه با AWS است. او از غواصی عمیق در چالش های مشتری و ساختن نمونه های اولیه برای مشتریان برای سرعت بخشیدن به نوآوری لذت می برد. او پیشینه ای در AI/ML، بنیانگذار New Knowledge، و عموماً علاقه مند به فناوری دارد. او در اوقات فراغت خود عاشق سفر و اسکی با خانواده است.
اوچنا اگبه دانشیار معمار راه حل ها در AWS است. او اوقات فراغت خود را صرف تحقیق در مورد گیاهان، چای، غذاهای فوق العاده و نحوه گنجاندن آنها در رژیم غذایی روزانه خود می کند.
مانی خانوجه یک متخصص هوش مصنوعی و یادگیری ماشین SA در خدمات وب آمازون (AWS) است. او به مشتریانی که از یادگیری ماشینی استفاده می کنند کمک می کند تا چالش های تجاری خود را با استفاده از AWS حل کنند. او بیشتر وقت خود را صرف غواصی عمیق و آموزش به مشتریان در پروژه های AI/ML مرتبط با بینایی کامپیوتر، پردازش زبان طبیعی، پیش بینی، ML در لبه و غیره می کند. او علاقه زیادی به ML در لبه دارد، بنابراین، او آزمایشگاه خود را با کیت خودران و خط تولید تولید نمونه اولیه ایجاد کرده است، جایی که زمان آزاد خود را در آن سپری می کند.
- محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
- PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
- PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
- PlatoESG. خودرو / خودروهای الکتریکی، کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
- BlockOffsets. نوسازی مالکیت افست زیست محیطی. دسترسی به اینجا.
- منبع: https://aws.amazon.com/blogs/machine-learning/unlocking-creativity-how-generative-ai-and-amazon-sagemaker-help-businesses-produce-ad-creatives-for-marketing-campaigns-with-aws/
- : دارد
- :است
- :نه
- :جایی که
- $UP
- 1
- 10
- 100
- 13
- 14
- ٪۱۰۰
- 16
- 17
- 20
- 200
- 22
- 66
- 7
- a
- درباره ما
- شتاب دادن
- دسترسی
- حساب
- در میان
- اعمال
- Ad
- پایبند بودن
- تبلیغات
- تبلیغات
- سازمان
- نمایندگی
- AI
- مدل های هوش مصنوعی
- AI / ML
- اجازه دادن
- اجازه می دهد تا
- در امتداد
- همچنین
- آمازون
- آمازون SageMaker
- آمازون خدمات وب
- خدمات وب آمازون (AWS)
- an
- علم تجزیه و تحلیل
- تشریح
- و
- هر
- رویکردها
- معماری
- هستند
- مناطق
- مقالات
- مصنوعی
- هوش مصنوعی
- هوش مصنوعی و یادگیری ماشین
- AS
- دارایی
- وابسته
- At
- خودکار
- خودرو
- در دسترس
- اجتناب کنید
- AWS
- زمینه
- پس زمینه
- بد
- پایه
- مستقر
- خط مقدم
- BE
- ساحل
- قبل از
- پشت سر
- بودن
- مزایای
- بهترین
- بهترین شیوه
- سیاه پوست
- آبی
- نام تجاری
- به ارمغان می آورد
- ساختن
- بنا
- کسب و کار
- کسب و کار
- by
- نام
- مبارزات
- CAN
- ماشین
- مورد
- موارد
- زنجیر
- چالش ها
- تغییر دادن
- تغییر
- کانال
- بار
- بررسی
- چیپس
- را انتخاب کنید
- شهر:
- مشتریان
- رمز
- رنگ
- ترکیب
- شرکت
- مقايسه كردن
- کامل
- محاسبه
- کامپیوتر
- چشم انداز کامپیوتر
- کنسول
- به طور مداوم
- شامل
- محتوا
- کنترل
- هزینه
- ایجاد
- ایجاد شده
- ایجاد
- خالق
- خلاقیت ها
- خلاقیت
- سفارشی
- مشتری
- مشتریان
- روزانه
- داده ها
- عمیق
- عمیق تر
- تعريف كردن
- درجه
- نسخه ی نمایشی
- نشان دادن
- گسترش
- مستقر
- استقرار
- طرح
- طراحی
- توسعه
- توسعه
- در حال توسعه
- دیکته می کند
- رژیم غذایی
- مختلف
- انتشار
- نمایش دادن
- توزیع
- مختلف
- دامنه
- دو برابر
- دانلود
- هر
- لبه
- اثر
- تلاش
- هر دو
- دیگر
- پشت سر هم
- نقطه پایانی
- محیط
- انصاف
- تا کنون
- در حال تحول
- موجود
- تجربه
- وسیع
- تجربه گسترده
- خانواده
- سریعتر
- امکانات
- پرونده
- فایل ها
- سرمایه گذاری
- انعطاف پذیری
- فلوریدا
- تمرکز
- پیروی
- برای
- پایه
- موسس
- FRAME
- رایگان
- از جانب
- کاملا
- تابع
- بیشتر
- عموما
- تولید می کنند
- تولید
- تولید می کند
- نسل
- مولد
- هوش مصنوعی مولد
- جهانی
- GPU
- سیاه و سفید
- سخت افزار
- آیا
- he
- بهداشت و درمان
- کمک
- کمک می کند
- او
- زیاد
- خیلی
- استخدام
- خود را
- دارای
- میزبان
- چگونه
- چگونه
- HTML
- HTTP
- HTTPS
- هویت
- شناسه
- if
- نشان می دهد
- تصویر
- تصاویر
- in
- ترکیب کردن
- هندی
- فرد
- شالوده
- ابداع
- ابتکاری
- نمونه
- موسسه
- ادغام
- اطلاعات
- به
- اینترنت اشیا
- IT
- JPG
- کلید
- دانش
- شناخته شده
- آزمایشگاه
- چشم انداز
- زبان
- بزرگ
- یادگیری
- پسندیدن
- لاین
- بار
- محلی
- مکان
- به دنبال
- خیلی
- دوست دارد
- کم
- کم هزینه
- کاهش
- پایین ترین
- دستگاه
- فراگیری ماشین
- حفظ
- باعث می شود
- اداره می شود
- مدیریت
- سازنده
- تولید
- بازار یابی (Marketing)
- ماده
- فلز
- حد اقل
- ML
- مدل
- مدل
- نظارت بر
- تک رنگ
- بیش
- اکثر
- فیلم ها
- بسیار
- چندگانه
- باید
- طبیعی
- پردازش زبان طبیعی
- نیازهای
- منفی
- جدید
- شب
- دفتر یادداشت
- اخطار
- عدد
- کارت گرافیک Nvidia
- of
- on
- عملیات
- or
- نارنجی
- اصلی
- دیگر
- ما
- خارج
- خارج از منزل
- نمای کلی
- تولید
- خارج از
- خود
- سرعت
- عبور
- احساساتی
- حق ثبت اختراع
- مسیر
- کارایی
- مجوز
- دیدگاه
- عکس
- لوله
- خط لوله
- افلاطون
- هوش داده افلاطون
- PlatoData
- مثبت
- پست
- قدرت
- قدرت
- شیوه های
- پیشگو
- مرجح
- روند
- در حال پردازش
- تولید کردن
- محصول
- تولید
- پروژه ها
- نمونه اولیه
- نمونه
- نمونه سازی
- فراهم می کند
- ارائه
- عمومی
- منتشر شده
- پــایتــون
- کیفیت
- سریع
- سریعا
- زمان واقعی
- واقع بینانه
- قرمز
- مناطق
- به طور منظم
- مربوط
- منتشر شد
- نمایندگی
- درخواست
- ضروری
- منابع
- نتیجه
- نقش
- SA
- حکیم ساز
- مقیاس پذیری
- مقیاس
- مقیاس گذاری
- سناریو
- بخش
- امن
- ایمن
- تیم امنیت لاتاری
- دانه
- خود رانندگی
- سرویس
- خدمات
- کم عمق
- شکل
- او
- نشان داده شده
- نشان می دهد
- مشابه
- ساده
- اندازه
- اندازه
- کوچک
- قطعه
- So
- نرم
- راه حل
- مزایا
- حل
- منبع
- جنوب
- فلوریدای جنوبی
- متخصص
- خرج کردن
- پایدار
- وضعیت هنر
- مراحل
- توقف
- ذخیره سازی
- opbevare
- ذخیره شده
- ذخیره سازی
- ساده
- قوی
- استودیو
- خیره کننده
- عرضه
- زنجیره تامین
- مدیریت زنجیره تامین
- پشتیبانی
- سویس
- جدول
- گرفتن
- مصرف
- تعلیم
- فن آوری
- تکنیک
- پیشرفته
- نسبت به
- که
- La
- شان
- آنها
- از این رو
- اینها
- این
- از طریق
- زمان
- به
- ابزار
- مشعل
- قطار
- آموزش دیده
- مبدل
- سفر
- تریتون
- نوع
- انواع
- دانشگاه
- باز کردن قفل
- استفاده کنید
- مورد استفاده
- استفاده
- استفاده
- با استفاده از
- نسخه
- نسخه
- چشم انداز
- نمایش ها
- دید
- می خواهم
- تماشای
- we
- وب
- خدمات وب
- چی
- چه شده است
- چه زمانی
- که
- در حین
- سفید
- اراده
- با
- در داخل
- مهاجرت کاری
- گردش کار
- گردش کار
- بدترین
- متورق
- شما
- شما
- زفیرنت