Yapay zekâ ile görsel oluşturmak nasıl çalışır?

Birkaç kelime yazıp saniyeler veya dakikalar içinde özgün bir illüstrasyon, ürün konsepti ya da hayalî bir manzara elde etmek artık mümkün. Peki yapay zekâ ile görsel oluşturmak, teknik olarak nasıl gerçekleşiyor? Sistem, yazdığınız cümleyi nasıl yorumluyor ve daha önce birebir var olmayan bir görüntüyü nasıl üretiyor?

Temel fikir şudur: Görsel üretim modelleri, eğitim sırasında görüntülerdeki renk, biçim, doku ve kompozisyon ilişkilerini öğrenir. Metinle yönlendirilen modeller ise bu görsel özellikleri kelimelerle ilişkilendirmeyi de öğrenir. Siz bir açıklama yazdığınızda model, öğrendiği örüntülerden yararlanarak bu açıklamaya uygun yeni bir görüntü oluşturur. Sürecin arkasında derin öğrenme, sayısal temsiller ve olasılıksal üretim bulunur.

Yapay zekâ ile görsel oluşturma nedir?

Yapay zekâ ile görsel oluşturma, bir modelin metin, mevcut görüntü veya başka yönlendirici girdilerden hareketle yeni bir dijital görüntü üretmesidir. En bilinen yöntem, kullanıcının bir sahneyi kelimelerle tarif ettiği metinden görsele üretim yaklaşımıdır. Bu açıklama genellikle “prompt” olarak adlandırılır.

Örneğin “Yağmurlu bir akşamda İstanbul sokağı, taş zemine yansıyan sıcak ışıklar, suluboya tarzı” şeklindeki bir istem; konu, atmosfer, ışık ve görsel üslup hakkında modele bilgi verir.

Metinden görsele: Yazılı açıklamadan yeni bir görüntü üretilir.
Görselden görsele: Mevcut bir görüntü, metin veya başka koşullarla yeniden yorumlanır.
Bölgesel düzenleme: Görselin seçilen kısmı değiştirilir, silinir veya tamamlanır. Bu işlem “inpainting” olarak bilinir.
Kadraj genişletme: Görüntünün sınırlarının dışına yeni içerik eklenir. Buna “outpainting” denir.
Kontrollü üretim: Poz, derinlik haritası, kenar çizgileri ya da kompozisyon referanslarıyla sonuç yönlendirilir.

Görsel üretim modelleri nasıl öğrenir?

Görsel üretimin temelinde model eğitimi vardır. Eğitimde kullanılan veri türleri, model mimarisi ve yöntemler sisteme göre değişir. Metinle yönlendirilen birçok model, görseller ve bunlarla ilişkili açıklamalardan yararlanır.

Görüntüler ve kelimeler arasındaki ilişkiler öğrenilir

Model, eğitim örneklerinde belirli kelimelerin hangi görsel özelliklerle birlikte ortaya çıktığını öğrenir. “Kedi” kelimesi belirli anatomik özelliklerle, “gün batımı” sıcak renkler ve ışık koşullarıyla, “suluboya” ise belirli doku ve geçişlerle ilişkilendirilebilir.

Bu öğrenme insanın dünyayı deneyimleyerek anlamasıyla aynı değildir. Model, eğitim hedefini daha iyi karşılamak için parametrelerini günceller. Sonuçta nesneler, stiller ve sahneler arasındaki karmaşık ilişkileri sayısal olarak temsil edebilir.

Model parametreleri üretime temel oluşturur

Eğitim sırasında yapılan tahminler ile hedefler arasındaki fark hesaplanır ve modelin parametreleri buna göre ayarlanır. Çok sayıda örnek üzerinde yinelenen bu işlem, modelin görsel örüntüleri giderek daha iyi yakalamasını sağlar.

Görsel üretmek genellikle internette hazır bir resmi bulup getirmek değildir. Üretici model, öğrendiği ilişkilerden yeni bir çıktı oluşturur. Ancak bu, her sonucun tamamen benzersiz veya telif açısından sorunsuz olduğu anlamına gelmez. Modeller bazı eğitim örneklerini ezberleyebilir ya da mevcut eserlere belirgin biçimde benzeyen çıktılar üretebilir.

Metinden görsele üretim adım adım nasıl çalışır?

Kullanıcı açısından süreç bir açıklama yazıp üretim düğmesine basmak kadar basit görünebilir. Arka planda ise birbirini izleyen birkaç işlem gerçekleşir. Ayrıntılar modele göre değişse de yaygın işleyiş şu şekildedir.

1. Yazdığınız istem sayısal temsile dönüştürülür

İlk olarak metin, “token” adı verilen parçalara ayrılır. Bunlar her zaman tam kelimeler değildir; kelime parçaları veya işaretler de olabilir. Ardından bir metin kodlayıcı, bu parçaları bağlama duyarlı sayısal temsillere dönüştürür.

Örneğin “kırmızı bir masanın üzerinde mavi fincan” ifadesinde yalnızca nesneler ve renkler değil, bunların birbirleriyle ilişkisi de önemlidir. Modelin bu ilişkileri ne kadar doğru uygulayabildiği, kapasitesine ve eğitimine bağlıdır.

2. Üretim süreci başlangıç durumundan hareket eder

Yaygın difüzyon tabanlı sistemlerde süreç, rastgele gürültüyle başlar. Bu başlangıç doğrudan görüntü piksellerinde veya görüntünün daha sıkıştırılmış bir sayısal temsilinde oluşturulabilir.

Rastgeleliğin başlangıcını belirleyen değer seed, yani tohum değeri olarak adlandırılır. Aynı istemin farklı seed değerleriyle çalıştırılması; farklı kadrajlar, nesne yerleşimleri ve detaylar üretebilir.

3. Model, metnin yönlendirmesiyle görüntüyü şekillendirir

Difüzyon yaklaşımında model, gürültüyü bir dizi adımda azaltarak anlamlı bir görsel yapı oluşturur. Her adımda metin koşulu, üretimin istenen sahneye yaklaşmasına yardımcı olur.

Bu süreç, hazır bir görüntünün üzerindeki paraziti temizlemekten farklıdır. Başlangıç gürültüsünün altında gizli bir fotoğraf bulunmaz. Görüntü, modelin öğrendiği dağılım ve verilen koşullar doğrultusunda üretilir.

4. Sayısal temsil görüntüye dönüştürülür

Bazı sistemler üretimi latent uzay adı verilen sıkıştırılmış bir temsil alanında gerçekleştirir. Bu yaklaşım, doğrudan yüksek çözünürlüklü pikseller üzerinde işlem yapmaya kıyasla hesaplama yükünü azaltabilir. Üretim tamamlandığında bir çözücü, bu temsili görüntüye dönüştürür.

Son aşamada çözünürlük artırma, renk düzenleme veya güvenlik denetimleri uygulanabilir. Bu ek işlemler her platformda aynı değildir.

Difüzyon, GAN ve otoregresif modeller arasındaki farklar

Yapay zekâ görsel üretiminde tek bir yöntem kullanılmaz. Difüzyon modelleri yaygın olsa da GAN’lar, otoregresif yaklaşımlar ve akış tabanlı yöntemler de bu alanda önemlidir. Ayrıca transformer, tek başına bir üretim yöntemi değil, farklı üretim yaklaşımlarında kullanılabilen bir sinir ağı mimarisidir.

Yaklaşım	Temel çalışma biçimi	Öne çıkan özellik	Dikkat edilmesi gereken nokta
Difüzyon modelleri	Gürültülü bir başlangıçtan, öğrenilmiş ters süreçle görüntü üretir.	Metinle yönlendirme ve görüntü düzenlemede esneklik sağlar.	Çok adımlı örnekleme, süre ve hesaplama maliyetini artırabilir.
GAN modelleri	Üretici ve ayırt edici ağlar, karşıt hedeflerle eğitilir.	Eğitim sonrasında hızlı görüntü üretimi sağlayabilir.	Eğitim kararlılığı ve çıktı çeşitliliği sorunları yaşanabilir.
Otoregresif modeller	Görseli temsil eden öğeleri, önceki öğelere koşullu olarak sırayla üretir.	Metin ve görsel temsillerini ortak dizilerde ele alabilir.	Uzun görsel dizilerinde ardışık üretim maliyetli olabilir.
Akış eşleme tabanlı modeller	Basit bir dağılımdan görüntü dağılımına dönüşümü sağlayan bir akış öğrenir.	Modern, yüksek kaliteli üretim sistemlerinde kullanılabilir.	Hız ve kalite, model ile örnekleme yöntemine bağlıdır.

Bu yaklaşımlar arasında her kullanım için geçerli tek bir “en iyi” seçenek yoktur. Sonuç; modelin eğitimine, boyutuna, üretim ayarlarına ve görevin niteliğine bağlıdır.

İyi bir görsel üretmek için prompt nasıl yazılır?

Etkili prompt yazımı, istediğiniz sonucu açık ve birbiriyle tutarlı biçimde tarif etmeye dayanır. Çok uzun bir açıklama her zaman daha iyi sonuç vermez. Gereksiz veya çelişkili ayrıntılar, önemli özelliklerin uygulanmasını zorlaştırabilir.

Ana konu: Görselin merkezinde ne bulunacağını belirtin.
Ortam: Mekânı, arka planı ve gerekiyorsa zamanı tanımlayın.
Kompozisyon: Yakın plan, geniş açı, üstten görünüm veya simetrik yerleşim gibi tercihler ekleyin.
Işık: Yumuşak gün ışığı, stüdyo ışığı ya da arkadan aydınlatma gibi koşulları açıklayın.
Stil: Fotoğraf, suluboya, üç boyutlu render veya düz vektör illüstrasyon gibi bir yaklaşım seçin.
Kullanım amacı: Başlık için boş alan veya sade arka plan gibi ihtiyaçları belirtin.

Basit bir istemi daha kullanışlı hâle getirme

Genel istem: “Bir kahve fincanı oluştur.”

Daha açık istem: “Açık renk ahşap masa üzerinde beyaz seramik kahve fincanı, sol taraftan gelen yumuşak sabah ışığı, hafif buhar, sade bej arka plan, gerçekçi ürün fotoğrafı, fincan kadrajın sağında, sol tarafta başlık için boş alan.”

İkinci istem; nesnenin yanı sıra ışığı, malzemeyi, kompozisyonu ve kullanım ihtiyacını da açıklar. En-boy oranı gibi teknik seçenekler arayüzde ayrıca sunuluyorsa bunları ilgili ayarlardan belirlemek genellikle daha güvenilirdir.

Negatif prompt ne işe yarar?

Bazı araçlar, görüntüde istemediğiniz özellikleri ayrıca belirtmenize izin verir. “Bulanık, düşük detay, istenmeyen yazı” gibi ifadeler negatif prompt alanında kullanılabilir. Ancak bu özellik her modelde bulunmaz ve istenmeyen öğelerin kesin olarak engelleneceğini garanti etmez.

Görsel kalitesini hangi ayarlar etkiler?

Aynı açıklama farklı araçlarda farklı sonuçlar verebilir. Bunun nedeni yalnızca prompt değildir; kullanılan model ve üretim ayarları da belirleyicidir.

Model seçimi: Bazı modeller fotoğraf gerçekçiliğinde, bazıları illüstrasyon veya tipografide daha başarılıdır.
Çözünürlük ve en-boy oranı: Detay düzeyini ve kompozisyonu etkiler. Modelin desteklediği boyutları kullanmak önemlidir.
Örnekleme adımı: Destekleyen sistemlerde adım sayısı süreyi ve kaliteyi etkileyebilir. Daha fazla adım her zaman daha iyi sonuç vermez.
Yönlendirme gücü: Metin koşulunun üretim üzerindeki etkisini ayarlar. Aşırı değerler bazı modellerde görsel bozulmalara yol açabilir.
Seed: Varyasyonları karşılaştırmaya yardımcı olur. Ancak aynı seed, farklı model veya yazılım ortamlarında aynı çıktıyı garanti etmez.
Referans görsel: Kompozisyon, poz veya stil için ek yönlendirme sağlayabilir.

Verimli bir çalışma yöntemi, önce düşük maliyetli taslaklar üretmek, ardından seçilen kompozisyonu düzenlemek ve son aşamada çözünürlüğü artırmaktır. Böylece her denemede yüksek çözünürlüklü çıktı üretmek zorunda kalmazsınız.

Yapay zekâ görsellerinde neden hatalar oluşur?

Görsel olarak etkileyici bir çıktı, fiziksel veya anlamsal açıdan doğru olmak zorunda değildir. Model, sahnedeki nesneleri her zaman tutarlı bir üç boyutlu dünya modeliyle değerlendirmez. Bu nedenle gerçekçi görünüm ile doğruluk birbirinden ayrılmalıdır.

Anatomik hatalar: Parmaklar, eklemler veya birbiriyle etkileşen uzuvlarda sorun görülebilir.
Sayma ve yerleşim hataları: İstenen nesne sayısı ya da sağ-sol ilişkileri yanlış uygulanabilir.
Yazı hataları: Bazı modeller gelişmiş metin üretse de harfler, uzun cümleler ve küçük etiketler hatalı olabilir.
Fiziksel tutarsızlıklar: Aynalar, gölgeler, yansımalar ve perspektif birbiriyle uyuşmayabilir.
Kimlik sürekliliği: Aynı karakter veya ürün, farklı üretimlerde görünüm değiştirebilir.

Hataları azaltmak için sahneyi sadeleştirmek, referans kullanmak ve sorunlu alanları bölgesel olarak düzenlemek yararlıdır. Özellikle ürün görsellerinde renk, boyut ve işlev gibi gerçek özelliklerin değişmediği ayrıca kontrol edilmelidir.

Telif, gizlilik ve etik açısından nelere dikkat edilmeli?

Yapay zekâ ile üretilmiş bir görseli kullanabilmek, yalnızca onu indirebilmekle ilgili değildir. Ticari kullanım şartları, üçüncü taraf hakları ve kişisel veriler de değerlendirilmelidir.

Lisansı inceleyin: Platformun kullanım koşulları ve varsa model lisansı, kullanım amacınıza uygun olmalıdır.
Hak ihlali riskini kontrol edin: Marka, karakter, logo veya mevcut eserlerle benzerlik hukuki sorun yaratabilir.
Mahremiyeti koruyun: Kişisel fotoğrafları ve gizli belgeleri yüklemeden önce veri saklama ve eğitim politikalarını okuyun.
Yanıltıcı sunumdan kaçının: Yapay bir görüntüyü gerçek bir olayın belgesi veya gerçek müşteri deneyimi gibi sunmayın.
Önyargıları değerlendirin: Meslek, kültür, yaş ve toplumsal grupların temsillerinde kalıplaşmış örüntüler bulunabilir.

Bir platformun ticari kullanıma izin vermesi, her çıktının otomatik olarak telif korumasına sahip olduğu veya üçüncü taraf haklarından tamamen bağımsız olduğu anlamına gelmez. Hukuki değerlendirme ülkeye ve kullanım biçimine göre değişebilir.

Sık sorulan sorular

Yapay zekâ her seferinde aynı görseli mi üretir?

Genellikle hayır. Üretimdeki rastgelelik farklı sonuçlara yol açar. Aynı model, istem, seed ve ayarlarla benzer veya aynı sonuçlar alınabilir; ancak altyapı değişiklikleri ve bazı hesaplama süreçleri birebir tekrar üretilebilirliği etkileyebilir.

Türkçe prompt ile görsel oluşturulabilir mi?

Evet, birçok araç Türkçe istemleri destekler. Başarı düzeyi modele göre değişir. Türkçe açıklama beklentinizi karşılamıyorsa ifadeyi sadeleştirmek veya bazı teknik terimleri farklı biçimde yazmak yardımcı olabilir. İngilizce kullanmak her durumda zorunlu değildir.