Fundamentos de generación de imágenes con texto

1

¿Qué es text-to-Image en inteligencia artificial?

2

Atención: Estamos actualizando este curso

3

¿Cómo funciona text-to-Image: difussion?

4

Exponentes de IA generativa: DALL·E, Midjourney y Stable Difussion

DALL·E 2

5

Generación de imágenes con DALL·E

6

Atención: Estamos actualizando este curso

7

Restricciones y limitantes de DALL·E

8

Prompt tuning: luces, detalles, sombras y perspectivas

9

Prompt tuning en DALL·E: práctica

10

Prompt tuning: estilos y artistas

11

Prompt tuning en DALL·E: práctica de estilos y artistas

12

Uso de API de DALL·E con Python

Midjourney

13

Atención: Estamos actualizando este curso

14

Generación de imágenes con Midjourney

15

Prompt tuning con Midjourney

16

Prompt tuning con Midjourney: práctica

17

Image-to-Image y Blend con Midjourney

Stable Diffusion

18

Stable Diffusion con Google Colab y DreamStudio

19

Atención: Estamos actualizando este curso

20

Instalación de AUTOMATIC 1111

21

AUTOMATIC 1111: interfaz web de Stable Diffusion

22

Prompt tuning con Stable Diffusion

23

Prompt tuning con Stable Diffusion: práctica

24

Qué es Control Net de Stable Difussion y cómo utilizarlo.

Inpainting y outpainting

25

Atención: Estamos actualizando este curso

26

DALL·E: Inpainting

27

Stable Diffusion: Inpainting

28

Inpainting en Midjourney: Vary (Region)

29

DALL·E : Outpainting

30

Zoom Out: La nueva herramienta de Midjourney

31

Instalación de PaintHua

32

Stable Diffusion: Outpainting con PaintHua

Stable Diffusion features

33

Atención: Estamos actualizando este curso

34

Upscale: escalado de imágenes

35

Image-to-Image

36

Depth-to-Image

37

¿Cómo funciona DreamBooth?

38

DreamBooth: fine-tuning

39

Merge models: combinar modelos de difussion

Implicaciones éticas y económicas de imágenes con inteligencia artificial

40

Atención: Estamos actualizando este curso

41

Sesgos y bias en modelos de generación de imágenes

42

¿Cómo afecta la generación de imágenes con IA a otras profesiones?

43

Impacto de arte y diseño con IA: entrevista con Daniel Torres Burriel

44

Perspectiva de artistas y diseñadoras: entrevista con Juan Dávila

45

Perspectiva de artistas y diseñadoras: entrevista con Amelia Amórtegui

Conclusión

46

¿Qué nos deparará el futuro de la IA generativa?

47

Comparte tu proyecto y certifícate

48

¡Dale feedback a los proyectos de la comunidad!

No tienes acceso a esta clase

¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera

Sesgos y bias en modelos de generación de imágenes

41/48
Recursos

Aportes 6

Preguntas 0

Ordenar por:

¿Quieres ver más aportes, preguntas y respuestas de la comunidad?

o inicia sesión.

Hola Chic@s 😄!
Hay un documental en NETFLIX relacionado a este tema de sesgo, para el que quiera verlo.

Recuerdo el caso del prompt de salmones en el río, siempre genera carne de salmón 🤦‍♂️

“La diversidad es nuestra mayor fortaleza”.

Información resumida de esta clase
#EstudiantesDePlatzi

  • Importante crear ética dentro del IA

  • Existe sesgo en nuestra sociedad y la IA ha aprendido de lo que esta en internet, lo que esta en internet hasta el momento ha sido creado por nosotros

  • Como sociedad debemos cambiar los sesgos

Puede que el sesgo que presentan las IAs Text-to-Image se deba a que la corriente de la inclusión, diversidad, género, igualdad laboral y demás, me atrevería a decir que es relativamente “reciente”. Por lo mismo, hay poco material para enseñar el algoritmo, por tanto, al ser entrenado con imágenes sesgadas, es natural que lo replique en los prompts. No digo que sea bueno o malo, probablemente en cinco o 10 años más, la calidad del entrenamiento mejore, porque habrá una mayor cantidad de imágenes para mejorar los algoritmos y arroje una representación más fidedigna del momento que se vive. Por ejemplo: Aquí en Chile, desde hace unos tres años, se ha empezado a incluir mujeres de talla “XL” en las publicidades, también se incluyen mujeres y hombres de raza negra, asiáticos y preferencias sexuales. El Estado se ha hecho eco de la situación actual, en las comunicaciones de políticas públicas incluye hombres y mujeres de raza negra, porque es nuestra realidad actual producto de la globalización y la inmigración.
Como digo, todo depende del momento y quizás en 30 años más, nuestra realidad sea considerada “prehistórica”.

En un curso de Coursera se menciona que las IA deben ser auditadas periódicamente para detectar, prever y mitigar posibles sesgos.