การเติมการรับรู้เนื้อหา

การเติมแบบรับรู้เนื้อหาจะวิเคราะห์พิกเซลที่อยู่รอบส่วนที่เลือก และสร้างเนื้อหาทดแทนที่ผสมผสานกันอย่างเป็นธรรมชาติ การใช้งานก่อนหน้านี้อาศัยอัลกอริธึมที่ใช้แพตช์ซึ่งค้นหารูปภาพเพื่อหาแพตช์พื้นผิวที่คล้ายกันและต่อเข้าด้วยกัน แม้ว่าจะใช้ได้ผลดีกับพื้นผิวธรรมดาๆ เช่น ทรายหรือหญ้า แต่วิธีการเหล่านี้ก็ประสบปัญหากับเนื้อหาที่มีโครงสร้าง เช่น อาคาร ใบหน้า หรือลวดลายที่ซับซ้อน การเติมที่รับรู้เนื้อหาบนเครือข่ายประสาทจะเข้าใจเรขาคณิตของฉากและความหมาย ทำให้เกิดผลลัพธ์ที่น่าเชื่อถือยิ่งขึ้น แม้ว่าพื้นที่เติมจะครอบคลุมพื้นที่พื้นผิวที่แตกต่างกันหลายจุด หรือข้ามขอบเขตโครงสร้าง เช่น ขอบฟ้าและเส้นสถาปัตยกรรม\n\nตัวอย่างเชิงปฏิบัติคือการลบป้ายขายออกจากภาพถ่ายอสังหาริมทรัพย์ ป้ายนี้วางชิดกับกำแพงอิฐที่มีเส้นปูนและลวดลายสภาพอากาศเฉพาะ การเติมแบบคำนึงถึงเนื้อหาจะระบุรูปแบบของอิฐ สานต่อตารางปูนอย่างถูกต้อง และจับคู่สีที่ต่างกันเล็กน้อยในอิฐก่อโดยรอบ พื้นที่ที่เติมนั้นดูแยกไม่ออกจากผนังเดิม\n\nการเติมที่รับรู้เนื้อหาแสดงถึงจุดกึ่งกลางระหว่างเครื่องมือแบบแมนนวล (การประทับตราแบบโคลน แปรงการรักษา) และ AI ที่สร้างโดยสมบูรณ์ (ข้อความเป็นภาพ) มันไม่ได้สร้างเนื้อหาใหม่ทั้งหมดตั้งแต่ต้น แต่เป็นการขยายและปรับรูปแบบที่มีอยู่จากภายในภาพ ทำให้เชื่อถือได้และคาดเดาได้ ซึ่งมีคุณค่าสำหรับการแก้ไขระดับมืออาชีพโดยที่ความสม่ำเสมอมีความสำคัญมากกว่าความคิดสร้างสรรค์\n\nMagic Eraser เครื่องมือลบใช้แนวทางการรับรู้เนื้อหาที่ได้รับการปรับปรุงด้วยการทำความเข้าใจฉาก AI หลังจากที่ผู้ใช้ปัดไปที่วัตถุที่ไม่ต้องการ ระบบจะระบุประเภทเนื้อหาโดยรอบ เช่น ท้องฟ้า พื้น ผนัง ใบไม้ และเติมพื้นที่ด้วยวัสดุที่ตรงกัน AI FilAI Fill ก้าวไปอีกขั้น โดยช่วยให้ผู้ใช้สามารถสร้างเนื้อหาใหม่ทั้งหมดเมื่อขยายหรือแก้ไขพื้นที่เฉพาะของรูปภาพ ความสามารถเหล่านี้ทำให้ผู้ใช้สามารถจัดการทุกอย่างตั้งแต่การกำจัดรอยตำหนิแบบง่ายๆ ไปจนถึงการสร้างฉากที่ซับซ้อนขึ้นมาใหม่ โดยแทนที่ชั่วโมงการทำงานแพตช์ด้วยตนเองด้วยเวิร์กโฟลว์ที่มีประสิทธิภาพซึ่งให้ผลลัพธ์ระดับมืออาชีพภายในไม่กี่วินาที