量子位 | "大众年夜众号 QbitAI
把椅子上的萌犬P成猫猫，须要几步？
第一步，圈出狗狗。第二步，见告AI你的需求。鼠标一点，齐活。
这位AI P图大师，实在是位老朋友——OpenAI风靡环球的那位DALL·E。
现在，它刚刚完成了“2.0超进化”。不仅新学了一手出神入化的P图绝技，创作质量也有了飞跃式的提升。
话不多说，直接看作品感想熏染一下~
这是DALL·E 2在“星云爆炸状柯基头”这一提示下的创作出来的画作：
这幅萨尔瓦多·达利的画像，是不是有点萨尔瓦多·达利内味儿了？
跟初代DALL·E比起来，其实是画质与艺术感双双飞升了。
△“日出时分安坐在野外里的狐狸，莫奈风格”
以是，研究职员详细如何点亮了DALL·E的新技能点？
CLIP+扩散模型DALL·E此番进化，大略来说便是分辨率更高了，延迟更低了。
此外，还有更新2大新功能：
首先，在更细粒度上实现文本→图像功能。
也便是说，DALL·E 2可以根据自然措辞提示进行P图。在P图的过程中，还会考虑阴影、反射、纹理等元素的变革。
比如在左图标“2”的位置P一个火烈鸟泳圈，DALL-E 2会把水面倒影这种细节也处理到位。
其次，是可以在保留原作核心元素的根本之上，授予原作船新的风格。
并且天生画面的画质是DALL·E 1的4倍，即从256×256提升到了1024×1024。
CLIP是原版DALL·E功能实现的根本，是一个卖力给图像重排序的模型，其零样本学习能力已经在各种视觉和措辞任务上大放异彩。
而扩散模型的特点在于，在捐躯多样性的条件下，能大大提升天生图像的逼真度。
于是，OpenAI的研究职员设计了这样一种方案：
在这个名为unCLIP的架构中，CLIP文本嵌入首先会被喂给自回归或扩散先验，以产生一个图像嵌入。
而后，这个嵌入会被用来调节扩散编码器，以天生终极的图像。
OpenAI阐明称，DALL·E能够get图像和用于描述画面的文本之间的关系。其图像的天生是在“扩散”过程中完成的，可以理解为是从“一堆点”出发，用越来越多的细节去把图像添补完全。
研究职员将DALL·E 2与DALL·E、GLIDE等模型进行了比拟。
实验结果显示，DALL·E 2的图像天生质量与GLIDE相称，但DALL·E的天生结果更具多样性。
目前，DALL·E 2并未对"大众年夜众开放，不过如果你感兴趣，可以在线注册申请一发~
项目地址：https://openai.com/dall-e-2/#demos
— 完 —
量子位 QbitAI · 头条号签约
关注我们，第一韶光获知前沿科技动态