AI新模型可將文本轉(zhuǎn)換為生動的圖像

如今人工智能越來越強大，比如可以實現(xiàn)生成音樂、改變圖片藝術(shù)風(fēng)格等等。最近，人工智能非營利組織OpenAI發(fā)布了一個名為DALL-E的神經(jīng)網(wǎng)絡(luò)，可以將文本轉(zhuǎn)換成與內(nèi)容相關(guān)的圖像。

比如生成下面這些穿著芭蕾舞裙揮舞著光劍的熊貓寶寶：

OpenAI在一篇博文中表示，該系統(tǒng)是具有里程碑意義的GPT-3語言模型的120億參數(shù)版本。

DALL-E模型具有多種功能，包括創(chuàng)建動物和物體的擬物化版本，以合理的方式展示相關(guān)的概念，渲染文本，以及對現(xiàn)有圖像進行轉(zhuǎn)換。

比如在該模型中選定“與貓有關(guān)的文本關(guān)鍵詞”，同時選擇給定的其中一種貓類型，最終系統(tǒng)會自動生成一系列與貓主題有關(guān)的圖像，并且風(fēng)格呈現(xiàn)多樣化。

訓(xùn)練該模型的數(shù)據(jù)集主要基于互聯(lián)網(wǎng)大量文本-圖像。這使得它能夠通過探索提示的結(jié)構(gòu)來創(chuàng)造出全新的圖片。比如生成一些令人印象深刻的地標(biāo)、位置、雜交動物和不同年代設(shè)計的圖像。但是OpenAI承認(rèn)并不是所有的結(jié)果都是成功的。

不過，OpenAI承認(rèn)并不是所有生成的結(jié)果都是成功的。該公司表示，DALL-E系統(tǒng)有時無法繪制出某些特定的項目，混淆了對象與其特定屬性之間的關(guān)系。

通常，提示DALL-E寫的字符串越長，成功率越低。測試中發(fā)現(xiàn)，重復(fù)部分文本內(nèi)容，準(zhǔn)確率有所提高。

當(dāng)回答有關(guān)地理方面的問題時，比如旗幟、菜肴和當(dāng)?shù)匾吧鷦游?，DALL-E也經(jīng)常反映出膚淺的刻板印象?？紤]到人們越來越關(guān)注人工智能算法偏見的問題，這個缺點尤為明顯。

OpenAI表示，它計劃分析DALL-E等模特的社會影響，但該公司認(rèn)為，該系統(tǒng)表明“通過語言操縱視覺概念現(xiàn)在已經(jīng)觸手可及?！?/p>

感興趣的小伙伴可以在OpenAI網(wǎng)站上查看更多DALL-E模型生成的圖像。
責(zé)編AJX