InPixio vs InstructPix2Pix

InPixio vous permet de supprimer les arrière-plans, effacer des objets, changer les ciels et retoucher des photos grâce à un éditeur en ligne gratuit, une application de bureau Windows et une application mobile. Téléchargez une image, cliquez sur supprimer l'arrière-plan, et l'IA sépare les cheveux et les contours fins sans masque manuel.

Alors que les éditeurs lourds supposent que vous connaissez déjà les calques et les masques, InPixio mise sur la rapidité pour les vendeurs en ligne et les créateurs occasionnels. Les outils web gratuits gèrent les recadrages rapides et les découpes d'arrière-plan, tandis que les plans payants débloquent les téléchargements HD et les fonctionnalités premium sur la même interface sur ordinateur et téléphone.

Le site revendique plus de 10 millions d'utilisateurs et cible les propriétaires de petites entreprises, les vendeurs sociaux et les débutants qui ont besoin de photos de produits, de PNG transparents et de retouches prêtes pour les réseaux sociaux. Vous pouvez éditer instantanément dans le navigateur ou télécharger l'application Windows pour travailler hors ligne.

InstructPix2Pix modifie une photo à partir d'une instruction en langage courant telle que « rendre le ciel orange au coucher du soleil » ou « transformer ceci en aquarelle ». Vous fournissez une image d'entrée et une commande textuelle courte, et le modèle renvoie une version modifiée en quelques secondes sans entraînement préalable sur cette photo spécifique. Il a été publié comme un Highlight CVPR 2023 par des chercheurs de l'UC Berkeley.

Les éditeurs basés sur des masques vous obligent à peindre des régions avant de modifier quoi que ce soit. InstructPix2Pix effectue un passage avant unique à partir du texte seul, évitant les étapes de fine-tuning ou d'inversion par image qui ralentissent d'autres workflows d'édition par diffusion. Le compromis apparaît dans les cas d'échec présentés dans l'article : les changements de point de vue, les échanges d'objets et les modifications locales précises restent des points faibles.

Le projet propose un code open source sur GitHub et un espace de démonstration Hugging Face pour tester les modifications dans un navigateur. L'entraînement a combiné GPT-3 et Stable Diffusion pour synthétiser des paires d'instructions, et le modèle publié se généralise aux photos réelles jusqu'à environ 768 pixels de large malgré une résolution d'entraînement de 256x256.