pages.resourcesGlossary.hero.title

La famille de modèles d'IA générative d'Adobe intégrée aux applications Creative Cloud. Remarquable pour être entraîné exclusivement sur du contenu sous licence et du domaine public, répondant aux préoccupations de droits d'auteur entourant d'autres outils d'IA.

Le processus consistant à poursuivre l'entraînement d'un modèle d'IA pré-entraîné sur un jeu de données spécifique pour l'adapter à une tâche ou un style particulier. Il permet aux artistes d'enseigner au modèle leur esthétique unique en utilisant moins de données et de calcul qu'un entraînement à partir de zéro.

Une technique d'IA qui reconstruit des scènes 3D à partir de photographies 2D en apprenant une représentation volumétrique continue. Les NeRFs font le pont entre la photographie et l'art 3D avec des applications en production virtuelle, conception de jeux et installations immersives.

Un instantané sauvegardé d'un modèle d'IA entraîné à un point particulier de son processus d'entraînement. Différents checkpoints produisent des styles visuels radicalement différents, et les artistes alternent souvent entre eux selon le résultat souhaité.

Un réseau neuronal d'OpenAI qui associe des images à des descriptions textuelles, servant de pont entre le langage et la vision dans de nombreux systèmes d'art IA. Entraîné sur des centaines de millions de paires image-texte.

Technologie d'IA qui réplique la voix d'une personne à partir d'échantillons audio, permettant la génération de nouvelle parole avec cette voix. En musique, elle a été utilisée pour créer des voix IA imitant des artistes célèbres, soulevant des préoccupations éthiques et juridiques.

Une interface graphique basée sur des nœuds pour construire des flux de travail de génération d'images IA. Contrairement aux interfaces plus simples, ComfyUI expose l'intégralité du pipeline sous forme de graphe visuel, donnant aux utilisateurs un contrôle granulaire sur chaque étape du processus de génération.

Une architecture de réseau neuronal qui ajoute un conditionnement spatial aux modèles de diffusion, permettant un contrôle précis sur la structure des images générées à l'aide de cartes de contours, cartes de profondeur ou squelettes de poses. Il fait le pont entre la génération libre et la conception intentionnelle.

Un ensemble de licences standardisées permettant aux créateurs d'accorder des permissions d'utilisation spécifiques tout en conservant certains droits. L'utilisation d'œuvres sous licence CC dans les jeux de données d'entraînement d'IA est une question éthique contestée dans la communauté créative.

Un paradigme émergent où les systèmes d'IA opèrent avec une plus grande autonomie dans les processus créatifs, prenant des décisions sur la composition et le style avec un minimum de guidance humaine. Cela soulève des questions fondamentales sur l'intention artistique et la paternité.

Une série de modèles d'IA de texte vers image par OpenAI. DALL-E 3 a considérablement amélioré l'adhérence aux prompts et le rendu du texte, et est intégré dans ChatGPT et les produits Microsoft, en faisant l'un des générateurs d'images IA les plus accessibles.

Médias synthétiques créés par IA qui remplacent de manière convaincante l'apparence, la voix ou les actions d'une personne par du contenu fabriqué. Les deepfakes soulèvent de sérieuses préoccupations éthiques autour du consentement, de la désinformation et de l'identité, provoquant des actions législatives dans le monde entier.

L'application des principes des modèles de diffusion à la génération audio, traitant le son comme un signal à débruiter à partir du hasard. Elle permet une musique IA et des effets sonores plus cohérents et de meilleure qualité que les méthodes précédentes.

Œuvres créatives non protégées par les lois de propriété intellectuelle qui peuvent être librement utilisées par tous. Les œuvres entrent dans le domaine public lorsque le droit d'auteur expire ou que les créateurs renoncent à leurs droits. L'art du domaine public est de plus en plus utilisé comme données d'entraînement IA éthiquement incontestées.

Le jeu de données utilisé pour enseigner à un modèle d'IA des motifs, styles et concepts. Pour les modèles d'images, les données d'entraînement consistent typiquement en des millions de paires image-texte, et leur composition est au cœur des débats éthiques et légaux en cours.

Le droit légal accordant aux créateurs le contrôle exclusif sur la reproduction et la distribution de leurs œuvres originales. Dans l'art IA, les questions clés incluent si les productions d'IA peuvent être protégées par le droit d'auteur et si l'entraînement sur des œuvres protégées enfreint les droits des créateurs.

Le processus par lequel un modèle génératif produit une sortie à partir de sa distribution apprise. Différents algorithmes d'échantillonnage offrent des compromis entre vitesse, qualité et déterminisme, donnant aux artistes un contrôle sur les caractéristiques de génération.

Un phénomène où les modèles d'IA entraînés sur du contenu généré par IA se dégradent progressivement en qualité et diversité. À mesure que les images synthétiques peuplent internet, les futurs modèles risquent de s'entraîner dessus, créant une boucle de rétroaction qui souligne la valeur de l'art créé par l'humain.

Une représentation vectorielle numérique d'un concept, mot ou image dans un espace mathématique continu. Les embeddings personnalisés permettent aux artistes d'enseigner de nouveaux concepts aux modèles d'IA en utilisant seulement quelques images d'exemple par inversion textuelle.

Une représentation mathématique abstraite et compressée des données apprise par un réseau neuronal. Dans les modèles génératifs, les images sont encodées comme des points dans l'espace latent où les points voisins correspondent à des sorties visuellement similaires, permettant l'exploration créative.

Une famille de modèles de génération d'images open source de Black Forest Labs qui a introduit des innovations architecturales améliorant la qualité d'image, l'adhérence aux prompts et le rendu du texte. Elle représente la pointe de l'art génératif open source.

Une architecture de réseau neuronal composée de deux réseaux en compétition : un générateur qui crée des données synthétiques et un discriminateur qui distingue le vrai du faux. Par l'entraînement antagoniste, le générateur produit des résultats de plus en plus réalistes.

Création algorithmique de contenu utilisant des règles, paramètres et de l'aléatoire plutôt que la conception manuelle. Bien qu'antérieure à l'IA moderne, combiner les méthodes procédurales avec les réseaux neuronaux représente une frontière puissante de la créativité computationnelle.

Un paramètre contrôlant à quel point un modèle de diffusion adhère au prompt textuel pendant la génération d'images. Des valeurs plus élevées produisent des correspondances plus proches du prompt mais peuvent sacrifier le naturel ; des valeurs plus basses offrent plus de liberté créative.

Lorsqu'un modèle d'IA génère du contenu qui semble plausible mais est factuellement incorrect ou insensé. En images, cela se manifeste par des erreurs anatomiques, une physique impossible ou du texte brouillé. Bien que parfois créativement heureux, c'est généralement une limitation.

Systèmes d'intelligence artificielle capables de créer du nouveau contenu tel que des images, de la musique, du texte ou de la vidéo à partir de motifs appris des données d'entraînement. Contrairement à l'IA discriminative qui classe les entrées, l'IA générative produit des résultats inédits qui n'existaient pas auparavant.

Un mode de génération où une image existante sert de point de départ pour la transformation par IA. Le modèle utilise l'image d'entrée comme guide structurel tout en appliquant des changements basés sur un prompt textuel, allant de modifications subtiles à des réimaginations radicales.

La pratique de rédiger des instructions textuelles efficaces pour guider les modèles d'IA vers la production de résultats souhaités. Elle implique de comprendre comment les modèles interprètent le langage, d'utiliser un vocabulaire artistique spécifique et de raffiner itérativement les instructions.

Une technique d'édition basée sur l'IA qui remplit des régions sélectionnées d'une image avec un nouveau contenu s'intégrant parfaitement au contexte environnant. Les artistes utilisent l'inpainting pour supprimer des éléments indésirables, réparer des dommages ou remplacer des portions d'une image.

Une technique d'ajustement fin qui personnalise de grands modèles d'IA en n'entraînant qu'un petit nombre de paramètres supplémentaires. Les LoRAs sont des fichiers compacts qui peuvent être partagés et appliqués à des modèles de base pour ajouter des styles, personnages ou concepts spécifiques.

Un composant de réseau neuronal qui permet au modèle de se concentrer sur les parties les plus pertinentes de son entrée lors de la production de la sortie. L'attention croisée entre les caractéristiques textuelles et visuelles est centrale dans la façon dont les modèles texte-vers-image interprètent les prompts.

Une plateforme commerciale de génération d'art IA connue pour produire des images hautement esthétiques et stylisées. Accessible principalement via Discord, elle est devenue l'un des outils de texte vers image les plus populaires parmi les artistes et designers.

Une classe de modèle génératif qui apprend à créer des images en éliminant progressivement le bruit d'un point de départ aléatoire. Pendant l'entraînement, le modèle apprend comment le bruit est progressivement ajouté aux images ; pendant la génération, il inverse ce processus pour produire des visuels cohérents.

Un mécanisme permettant aux artistes de demander l'exclusion de leur œuvre des jeux de données d'entraînement d'IA. Divers systèmes d'opt-out existent, du robots.txt aux registres dédiés, mais leur efficacité par rapport aux approches d'opt-in reste débattue.

Le processus d'utilisation de l'IA pour étendre une image au-delà de ses limites originales, générant un nouveau contenu qui poursuit la scène dans n'importe quelle direction tout en maintenant la cohérence de style, perspective et éclairage.

La séquence prédéfinie déterminant comment le bruit est ajouté et retiré des images pendant la diffusion. Il contrôle le rythme de génération, affectant la rapidité avec laquelle le modèle s'engage vers les structures larges par rapport aux détails fins.

Une instruction textuelle qui indique à un modèle d'IA ce qu'il faut éviter ou exclure du résultat généré. Alors que le prompt positif décrit le contenu souhaité, le prompt négatif éloigne le modèle des artefacts, styles ou éléments indésirables.

Documentation et suivi de la création d'une œuvre d'art générée par IA, incluant le modèle, les prompts et les paramètres. Des normes comme C2PA visent à établir la transparence sur l'implication de l'IA, de plus en plus considérée comme essentielle pour une pratique éthique.

Une architecture computationnelle inspirée des neurones biologiques formant le fondement de l'IA moderne. Les réseaux neuronaux profonds à nombreuses couches permettent les capacités complexes de reconnaissance et de génération de motifs utilisées dans les applications d'IA créative.

Une entreprise d'IA créative offrant des outils de génération vidéo, édition d'images et création multimédia. Ses modèles Gen-2 et Gen-3 ont été pionniers dans la génération accessible de texte vers vidéo pour le cinéma, la publicité et la création de contenu.

Une technique d'IA qui isole les instruments individuels ou les pistes vocales des enregistrements audio mixés à l'aide de réseaux neuronaux. Elle a transformé la production musicale, le DJing et la restauration d'archives en permettant la manipulation d'éléments auparavant inséparables.

Un modèle de diffusion de texte vers image open source dont les poids ouverts et la licence permissive ont engendré un vaste écosystème de modifications communautaires et d'interfaces personnalisées. C'est le fondement du mouvement d'art IA open source.

Une plateforme de génération musicale par IA qui crée des chansons complètes avec voix, instrumentation et paroles à partir de prompts textuels. Elle représente un bond significatif dans la qualité de la musique IA, alimentant le débat sur l'avenir de la composition musicale.

Une catégorie de systèmes d'IA qui génèrent des images visuelles à partir de descriptions en langage naturel. L'utilisateur fournit un prompt textuel et le modèle produit une sortie visuelle correspondante, démocratisant la création d'images tout en soulevant des questions sur la paternité.

Systèmes d'IA qui génèrent des compositions musicales à partir de descriptions en langage naturel du genre, de l'ambiance, de l'instrumentation et du tempo. Des plateformes comme Suno et Udio ont rendu possible la création de chansons complètes à partir de prompts textuels.

L'unité de base du texte que les modèles d'IA traitent, représentant typiquement un mot ou sous-mot. Comprendre la tokenisation aide les artistes à écrire des prompts plus efficaces en sachant comment les modèles analysent leurs instructions.

Le composant qui convertit le texte brut en tokens numériques qu'un modèle d'IA peut traiter. Comprendre la tokenisation explique pourquoi certaines formulations produisent de meilleurs résultats et pourquoi certains concepts sont divisés en plusieurs tokens.

Une technique d'IA qui applique le style visuel d'une image au contenu d'une autre, comme rendre une photographie dans le style de Van Gogh. Le transfert de style neuronal a été l'une des premières applications grand public de l'IA dans l'art visuel.

Une architecture de réseau neuronal basée sur l'auto-attention qui a révolutionné l'IA du langage et de l'image. Les Transformers traitent les données en parallèle, capturant les relations à longue portée, et forment l'épine dorsale des grands modèles de langage et des générateurs d'images modernes.

Le processus d'augmentation de la résolution d'une image tout en ajoutant des détails plausibles à l'aide de réseaux neuronaux. L'upscaling par IA produit des résultats bien supérieurs à l'interpolation traditionnelle et constitue une étape standard dans les flux de travail d'art IA.

Une doctrine juridique du droit d'auteur américain qui permet l'utilisation limitée de matériel protégé sans autorisation. Que l'entraînement d'IA sur des images protégées constitue un usage équitable est l'une des questions juridiques non résolues les plus conséquentes dans l'espace de l'art IA.

Un réseau neuronal qui compresse les images en représentations latentes compactes et les reconstruit. Dans les pipelines de diffusion, le VAE encode les images pour un traitement efficace et décode le résultat final en pleine résolution.