Profile Picture Maker By Picsart vs InstructPix2Pix

Profile Picture Maker By Picsart recadre, reformate et stylise des avatars carrés pour les plateformes sociales directement dans l'éditeur gratuit Quicktools accessible via navigateur. Vous téléchargez une photo, pouvez éventuellement changer l'arrière-plan, ajouter des bordures ou des couleurs, puis exporter des tailles prédéfinies pour Instagram, LinkedIn, Discord et d'autres réseaux.

La plupart des éditeurs d'avatar suppriment automatiquement les arrière-plans, que vous le souhaitiez ou non. La version de Picsart vous permet de conserver ou de remplacer le fond, puis de faire pivoter, redimensionner et positionner le sujet avant de choisir des dimensions spécifiques à la plateforme comme 400x400 pour LinkedIn ou 128x128 pour Discord.

Les créateurs qui renouvellent leurs avatars Instagram, Zoom ou Slack l'utilisent car il ne nécessite pas de compte, ne stocke aucune image et promet des résultats en 1 à 2 minutes. La page obtient une note de 4,8 sur 5 à partir de 51 avis et fait partie de la suite Quicktools plus large de Picsart lancée en 2021.

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.