Google Imagen 4 — ИИ-генерация изображений нового поколения

Google Imagen 4 — это новейшая итерация в семействе диффузионных моделей Google Imagen, ставшая результатом многолетних исследований Google DeepMind. Модель построена на проприетарной архитектуре каскадной диффузии, которая генерирует изображения в несколько этапов: базовая модель создает общую композицию, а модули сверхвысокого разрешения постепенно добавляют мельчайшие детали. Такой подход позволяет Imagen 4 достигать исключительной согласованности — сцены грамотно скомпонованы, а отдельные элементы обладают реалистичной текстурой и освещением.

Ключевым отличием Imagen 4 является система точного контроля соотношения сторон. В отличие от моделей, которые генерируют картинку в фиксированном разрешении и полагаются на кадрирование, Imagen 4 изначально создает изображение в заданном формате. Это гарантирует, что композиция и положение объектов оптимизированы под целевой размер — будь то квадратный пост в Instagram, сверхширокий баннер или вертикальный экран смартфона. Поддерживаются стандарты 1:1, 4:5, 5:4, 9:16, 16:9 и произвольные размеры.

Imagen 4 использует текстовый энкодер Google T5-XXL для безупречного понимания промптов, что позволяет обрабатывать сложные описания и превращать их в визуально точные образы. Модель отлично справляется со сложными задачами: отрисовка пальцев, сохранение черт лица, правильные пространственные связи между объектами и передача свойств материалов, таких как отражение стекла или текстура металла. Генерация оптимизирована по скорости и занимает считанные секунды.