Category: Generative AI

游戏行业重度依赖概念设计和美术资源，同时也是对创意和美术内容质量要求最高的行业之一。AI 可能可以带来超越人类自身想象力的一些内容，但抽卡式的创作并不能真正的提升美术管线的生产效率，我们需要使用工具来让 AI 更加精准的生成符合预期的图片。

在前一篇文章中，我们介绍了如何使用 Amazon EC2 Inf2 实例部署大语言模型，有不少用户询问 Inf2 是否支持当下流行的 AIGC 模型，答案是肯定的。在本篇文章中，我们将介绍如何在 SageMaker 环境中使用 Inf2 实例部署 Stable Diffusion 模型。

在本篇博客中，我们将为大家介绍在游戏、动漫行业中，使用 ControlNet 高可控输出图片的一些主流的应用场景，包括：1）基于风格化大模型生成游戏/动漫人物；2）使用Reference-only 控制人物细节输出；3）游戏/动漫人物换装；4）多个游戏/动漫人物绘制 5）局部特写/提高图片分辨率。

基于生成式 AI 行业解决方案指南生成多国模特试穿图、设计商品外观及更换不同场景生成商品海报。

使用生成式 AI 行业解决方案指南实现图片内容生成任务

AIGC，即人工智能自动生成内容，是继专业生产内容（PGC）、用户生产内容（UGC）之后的新型内容创作方式。本文我们将探索如何利用 AIGC 助力电商虚拟换装新体验，以创新驱动内容优化，帮助卖家降低拍摄和后期所消耗的资金成本，解放拍摄场地和模特类型，增加设计人员灵感创意，并且自动化电商广告素材生成。

本文介绍的方案应用场景是针对电商行业，一些电商公司在日常运营工作中，需要处理大量的模特搭配服装的产品图片，这些图片需要电商公司耗费成本去准备且时间周期也比较长。本方案使用 Stable Diffusion WebUI 及相关的扩展组件应用在 Amazon EC2 (本文使用 G4dn 实例) 探索一种可以快速生成AI模特适配服装产品。

本文主要介绍了在电商广告行业下，通过 Amazon SageMaker 使用 Grounded-SAM 进行营销素材生成。我们详细介绍了，1/ 通过 ControlNet 中的 Canny 模型进行无代码图像编辑，以及2/ 通过 Grounded-SAM（Grounding DINO 和 Segment Anything）利用代码进行图像编辑。此外，针对上一版本方案，新增支持了 ControlNet 模型，并新增支持美西 2 US West（Oregon）区域。

我几乎可以将这篇博客文章命名为“AWS 人工智能/机器学习一周回顾”。 上周，我们宣布了几项新的创新和工具，用 […]

亚马逊云科技宣布推出生成式AI新工具