3 Antworten
Im Grunde machen diese Modelle wahnsinnig viel Matrizenmathe und Analysis im Hintergrund. Sie wurden auf Milliarden von Bildern trainiert, also haben sie statistische Muster gelernt, welche Pixel normalerweise zusammenpassen, und wenn man ihnen dann einen Prompt gibt, nutzen sie Wahrscheinlichkeitsverteilungen, um im Grunde Pixel für Pixel zu raten, was als nächstes da sein sollte. Es ist irgendwie so, als würde man sich Millionen Fotos merken und jemand würde dir eine Szene beschreiben - dann würde dein Gehirn Details basierend auf Mustern ausfüllen, die du vorher gesehen hast - außer die KI macht das durch reine mathematische Berechnung statt durch Intuition.
KI-Bildgeneratoren nutzen komplexe mathematische Modelle, sogenannte neuronale Netze, die Muster aus Millionen von Bildern gelernt haben.
Dann verwenden sie Wahrscheinlichkeitsmathematik, um vorherzusagen, welche Pixel als Nächstes kommen sollten, basierend auf deiner Textbeschreibung. Es ist irgendwie so, als hätten sie sich gemerkt, welche Farben und Formen normalerweise zusammenpassen, und sie führen dann wirklich fortgeschrittenes Pattern-Matching durch, um ein Bild zu erstellen, das zu deinem Prompt passt.
Die mathematische Seite ist echt, aber es geht weniger darum, Pixel für Pixel vorherzusagen, sondern mehr darum, rückwärts vom Rauschen zu arbeiten - das Modell lernt, zufälliges Rauschen schrittweise zu entfernen und dabei in Richtung Muster zu verschieben, die zu deinem Text-Prompt passen, ähnlich wie eine Fotografie rückwärts zu entwickeln. Das Wilde daran ist, dass die ganze Arbeit nicht nur Matrixmultiplikation ist, sondern dass tatsächlich millionenmal pro Bild aus Wahrscheinlichkeitsverteilungen gesampelt wird, sodass jeder Durchlauf dir etwas leicht anderes gibt, es sei denn, du fixierst den Seed.
Deine Antwort
Anmeldenzum Beantworten.