人工智能研究小組 OpenAI 創(chuàng)建了一個(gè)新版本的 DALL-E，可以根據(jù)用戶的自然語(yǔ)言描述來生成圖片。DALL-E 2 是初代系統(tǒng)的高分辨率和低延遲版本，除了根據(jù)用戶描述生成圖片之外，還引入了編輯現(xiàn)有圖像等新功能。

訪問：

阿里云“無影云電腦” 支持企業(yè)快速實(shí)現(xiàn)居家辦公

與之前的 OpenAI 工作一樣，該工具并沒有直接向公眾發(fā)布。但研究人員可以在網(wǎng)上注冊(cè)預(yù)覽該系統(tǒng)，OpenAI 希望以后能將其用于第三方應(yīng)用程序中。

初代 DALL-E 是藝術(shù)家“Salvador Dalí”和機(jī)器人“WALL-E”的諧音，于 2021 年 1 月首次亮相。這是對(duì)人工智能視覺表現(xiàn)概念能力的一個(gè)有限但迷人的測(cè)試，從穿法蘭絨襯衫的模特的平凡描述到"烏龜做的長(zhǎng)頸鹿"或蘿卜遛狗的插圖。

使用“Teddy bears mixing sparkling chemicals as mad scientists, steampunk.”描述 DALL-E 2 生成的圖像

。當(dāng)時(shí)，OpenAI說它將繼續(xù)在該系統(tǒng)的基礎(chǔ)上發(fā)展，同時(shí)研究潛在的危險(xiǎn)，如圖像生成中的偏見或錯(cuò)誤信息的產(chǎn)生。它正試圖利用技術(shù)保障措施和新的內(nèi)容政策來解決這些問題，同時(shí)也在減少其計(jì)算負(fù)荷，

DALL-E 2的新功能之一是繪畫，在更細(xì)的層面上應(yīng)用DALL-E的文本到圖像的能力。用戶可以從現(xiàn)有的圖片開始，選擇一個(gè)區(qū)域，并告訴模型來編輯它。例如，你可以把客廳墻上的一幅畫擋住，然后用另一幅畫代替，或者在咖啡桌上增加一個(gè)花瓶。

使用“Shiba Inu dog wearing a beret and black turtleneck”描述 DALL-E 2 生成的圖像

模型可以填充（或刪除）物體，同時(shí)考慮到細(xì)節(jié)，如房間里的陰影方向。另一個(gè)功能，變化，有點(diǎn)像一個(gè)圖片搜索工具，用于搜索不存在的圖片。用戶可以上傳一張起始圖片，然后創(chuàng)建一系列與之相似的變化。他們還可以混合兩張圖片，生成具有兩者元素的圖片。生成的圖片是1024 x 1,024像素，比原始模型提供的256 x 256像素有了飛躍。

使用“An existing image of a room with a flamingo added in one corner.”描述 DALL-E 2 生成的圖像

DALL-E 2 建立在 CLIP（計(jì)算機(jī)視覺系統(tǒng)）的基礎(chǔ)上。OpenAI 研究科學(xué)家 Prafulla Dhariwal 說：“DALL-E 1 只是從語(yǔ)言中提取了我們的 GPT-3 方法，并將其應(yīng)用于制作圖像：我們將圖像壓縮成一系列單詞，我們只是學(xué)習(xí)預(yù)測(cè)接下來的內(nèi)容”。

使用“a bowl of soup that looks like a monster, knitted out of wool.”描述 DALL-E 2 生成的圖像

但是單詞匹配并不一定能捕捉到人類認(rèn)為最重要的品質(zhì)，而且預(yù)測(cè)過程限制了圖像的真實(shí)性。CLIP被設(shè)計(jì)用來觀察圖像，并以人類的方式總結(jié)它們的內(nèi)容，OpenAI對(duì)這一過程進(jìn)行了迭代，創(chuàng)造了"unCLIP"--一個(gè)從描述開始并向圖像前進(jìn)的倒置版本。

DALL-E 2使用一種叫做“diffusion”的過程生成圖像，Dhariwal 將其描述為從“一袋點(diǎn)”（bag of dots）開始，然后用越來越多的細(xì)節(jié)填入一個(gè)圖案。

關(guān)鍵詞： 人工智能 [視頻]OpenAI展示DALL-E 2AI圖像生成器