“再生”达利+机器人瓦力,文字生成图片的AI升级版来了!

liukang20242天前吃瓜入口777
这是一张AI体系DALL-E 2依据文字描绘“戴着贝雷帽和穿黑色高领毛衣的柴犬”(Shiba Inu dog wearing a beret and black turtleneck)生成的图画。时隔一年,DALL-E的升级版来了!
当地时间4月6日,人工智能研讨机构OpenAI发布DALL-E 2(文本到图画生成程序)。DALL-E 2具有更高分辨率和更低推迟,精确度改进了71.7%,写实度改进了88.8%,解析度更是本来的4倍,还可结合概念、特色及风格打造更生动的图画,如以莫奈(Claude Monet)的风格画出草原上的狐狸。
一起新增两大功用:更细颗粒度的文字部分修正图画,以及生成原图的多重风格变体。前者比方这样!
上下分别为在原图的1区域和2区域添加一个小狗DALL-E 2在更细的层面上运用DALL-E的文本到图画的才能。用户能够从现有的图片开端,挑选一个区域,并告知模型怎么来修正它。模型能够填充(或删去)物体,一起考虑到暗影方向、反射与质地等细节。后者比方这样!
以同一张图画为基准,树立不同风格或编列的版别。
生成的图片是1024 x 1024像素,比原始模型供给的256 x 256像素有了腾跃DALL-E的称号来自于艺术家萨尔瓦多·达利(Salvador Dalí)和《机器人总动员》的主角WALL-E,第一版于2021年1月初次露脸。DALL-E奠基在具有1750亿个参数的GPT-3模型上,但它仅运用120亿个参数,使用一个文字与图画配对的材料集,以文字叙说来发生图画。
萨尔瓦多·达利(Salvador Dalí)
《机器人总动员》的主角 机器人WALL-E(瓦力)OpenAI研讨科学家Prafulla Dhariwal标明:“DALL-E 1仅仅从语言中采用了GPT-3办法,并将其运用于生成图画:咱们将图画压缩成一系列单词,然后学会猜测接下来的内容”。可是单词匹配并不一定能捕捉到人类认可的要点,并且猜测进程约束了图画的真实性。所以用CLIP(OpenAI上一年发布的计算机视觉体系)来调查图画,并以人类的方法总结它们的内容。
DALL-E体系依据文字“牛油果型的扶手椅”主动创造的部分图画CLIP是原版DALL·E功用完成的根底,DALL-E 2则结合了CLIP和分散模型两种技能的长处。DALL·E图画生成的“分散”(diffusion)进程能够理解为从“一堆点”动身,用越来越多的细节把图画填充完好。分散模型的特色在于,在献身多样性的前提下,能大大提高生成图画的逼真度。
DALL-E 2依据“Teddy bears mixing sparkling chemicals as mad scientists, steampunk.”描绘生成的图画为防止生成的图片被乱用,现在OpenAI现已施行了一些内置的保护办法。
该模型在已除掉不良数据的数据集上进行练习,将由通过OpenAI检查的合作伙伴进行测验,用户被制止上传或生成“非G级”和“或许形成损伤”的图画,以及任何触及仇视符号、裸体、猥亵手势,或“与正在发生的严重地缘政治事情有关的严重诡计或事情”的图画。
该模型也无法依据名字生成任何可辨认的人脸,即便要求的是“蒙娜丽莎”之类的内容。一起,DALL·E 2 在生成的图片上都标有水印,以标明该著作是 AI 生成的。抱负情况下这些办法能够约束其发生不良内容的才能。
与之前相同,该东西并未直接向大众发布。但研讨人员能够提交请求预览该体系,OpenAI期望今后将DALL·E 2归入该安排的API东西会集,使其可用于第三方运用程序。
Dhariwal说道,“咱们期望分阶段进行这个进程,以从取得的反应中不断评价怎么安全地发布这项技能。”
(本文来自汹涌新闻,更多原创资讯请下载“汹涌新闻”APP)
告发/反应

相关文章

最近,我国头部量化私募公司幻方量化旗下专心于AI大模型研讨开发的Deepseek(深度求索公司),宣告旗下的全新系列模型DeepSeek-V3首个版别上线并同步开源。DeepSeek-V3是深度求索自研的MoE模型(混合专家大模型),不仅以杰出的功能逾越或比美全球尖端的开源及闭源模型,更重要的是练习本钱极低,被称为“AI界的拼多多”,以前所未有的性价比被国内外一众圈内大佬点赞,引发广泛重视。

与DeepSeek一同进入咱们视界的,是95后AI“天才少女”罗福莉。她曾在DeepSeek参加了DeepSeek-V2的研制,是这款模型的要害开发者之一。在DeepSeek-V3发布前几天,媒体报道称小米创始人雷军已开出千万年薪,将罗福莉招至麾下,罗福莉将上任于小米AI实验室,领导大模型团队。

“AI界拼多多”刷屏海外

据最新发布的技能陈述,DeepSeek-V3参数量为671B,激活参数为37B,运用的预练习token量为14.8万亿。其多项评测成果逾越了阿里的Qwen2.5-72B和MetadeLlama-3.1-405B等其他开源模型,并在功能上和国际顶尖的闭源模型GPT-4o以及Claude-3.5-Sonnet不分伯仲。

“我国AI公司Deepseek发布并开源了一个前沿的大言语模型,而其练习的预算却十分低。”前OpenAI联创、闻名AI科学家AndrejKarpathy在其个人交际渠道上表明,DeepSeek-V3整个练习进程仅用了不到280万GPU小时,相比之下,Meta旗下顶尖的开源模型Llama-3405B的练习时长是3080万GPU小时。假如DeepSeekV3的优秀体现可以得到广泛验证,那么这将是资源有限情况下对研讨和工程的一次超卓展现。

若从本钱上进行更直观的比照,假定H800的租金为每GPU小时2美元,DeepSeek-V3的总练习本钱仅为600万美元不到,是Llama-3405B超6000万美元练习本钱的十分之一不到。

极高的性价比让DeepSeek-V3一经发布便引发国内外广泛重视。Meta的AI研讨科学家田渊栋称“在十分有限的预算下完成微弱体现”,“这是一项了不得的作业”。闻名AI数据公司ScaleAI创始人兼CEOAlexandrWang也表明,DeepSeek-V3“练习所需核算量减少了10倍”,“在美国歇息的时分,他们尽力作业,以更低的本钱、更快的速度和更强的实力迎头赶上。”

精美的95后AI“天才少女”刷屏!雷军千万年薪挖角!的照片

这一圈粉许多的大模型,由被称为“AI界拼多多”的DeepSeek研制。揭露材料显现,DeepSeek专心于开发先进的大言语模型和相关技能,由国内闻名量化资管巨子幻方量化于2023年创建,也被美国硅谷称为“来自东方的奥秘力气”。

事实上,DeepSeek并非榜首次“出圈”。早在半年前,其发布的DeepSeek-V2就因功能达GPT-4等级,但开源、可免费商用、且API价格仅为GPT-4-Turbo的百分之一而引发业界重视。关于为何能做到如此高的性价比,DeepSeek官方解说称,DeepSeek-V2采用了立异的架构,例如注意力机制方面的MLA(多头潜在注意力)和前馈网络方面的DeepSeekMoE架构等,以完成具有更高经济性的练习作用和更高效的推理。

正因为在练习功率和本钱方面的优势,DeepSeek也是国内最早敞开大模型降价的厂商,也是大模型价格战的源头和推动者。在其发布DeepSeek-V2之后,字节、阿里、百度等厂商纷繁跟进降价。一起,DeepSeek也是我国互联网大厂以外,仅有一家储藏了万张A100芯片的公司,这为其前期的技能研制供应了坚实的算力根底。

“咱们不是有意成为一条鲶鱼,仅仅不小心成了一条鲶鱼。”在回应最初为何打响大模型价格战榜首枪时,DeepSeek创始人梁文锋表明。这位结业于浙江大学电子工程系的80后,一向潜心研讨技能。据媒体报道,梁文锋在作业中一直保持着低沉的风格,和一切研讨员相同,每天“看论文,写代码,参加小组讨论”。

一名人工智能职业资深业界人士向证券时报记者剖析称,DeepSeek以200人左右的小团队,且不依托外部融资,做出了一个有性价比并被全球干流AI界人士所认可的大模型。“一是他们在前期就买了许多算力卡,投入了许多资源做研讨;二是他们是做量化的,不像大厂有其他各式各样的盈余需求,也跟他们不构成竞赛联系,能更专心于模型开发。”该业界人士表明。

背面的AI“天才少女”引发重视

在DeepSeek-V3爆火之后,背面的AI“天才少女”罗福莉也进入了人们的视界。据媒体报道,小米创始人雷军以千万年薪吸引DeepSeek开源大模型DeepSeek-V2的要害开发者之一罗福莉,领导小米AI大模型团队。

精美的95后AI“天才少女”刷屏!雷军千万年薪挖角!的视图

揭露材料显现,罗福莉本科就读于北京师范大学核算机专业,硕士结业于北京大学核算言语学专业。2019年,还在北大读硕士的她在人工智能范畴尖端国际会议ACL上宣布8篇论文(其间2篇一作),登上了知乎热搜。罗福莉用自己知乎账号回应称,“这次投稿ACL是我近一年的产出,所以我以为自己是付出了满足的尽力的,当然也或许也有命运成分加持。”

硕士结业后,罗福莉先是进入阿里达摩院做人工智能研讨,从事预练习言语模型相关的作业,担任阿里达摩院AliceMind开源项目,主导开发了多言语预练习模型VECO。2022年,罗福莉参加幻方量化从事深度学习相关战略建模和算法研讨,后又换岗到DeepSeek担任深度学习研讨员,参加研制MoE大模型DeepSeek-V2。

本年5月,在DeepSeek-V2发布今后,罗福莉在知乎上撰文,宣布了关于DeepSeek-V2的观点。她表明,“单论DeepSeek-V2模型的中文水平,是实在处在国内外闭源模型的榜首队伍”,“外加1元/百万输入Tokens的价格,只要GPT4价格的1/100,性价比之王”。

事实上,罗福莉被重金招入小米,是小米全面发力AI大模型的其间一个动作。2023年4月,小米正式组建了AI实验室大模型团队,并表明将不断发掘AI相关的用户场景,发挥本身技能优势,并以敞开的情绪与合作伙伴开辟更多时机。本年11月,小米成立了专门的AI渠道部,小米的元老级技能大牛张铎为担任人。张铎本硕结业于清华核算机系,曾被雷军揭露称誉是“小米的大神”,送以“铎神”的称谓。

兵马未动,粮草先行。除了招募人才以外,最近,媒体报道称小米正着手建立自己的GPU万卡集群,并在曩昔几个月里继续提高算力储藏,为大模型研制供应更充沛的算力供应。雷军在揭露演讲时曾表明,小米做大模型的思路和许多公司不太相同,挑选主力打破的是轻量化和本地布置。关于小米这样不管在手机仍是造车上都考究“性价比”的公司而言,如安在烧钱的大模型事务中平衡本钱,无疑是雷军考虑的核心问题。而这,或许也是具有DeepSeek-V2研制布景的罗福莉被雷军看中的原因。

95后AI“天才少女”刷屏!雷军千万年薪挖角!

来历:证券时报国产大模型DeepSeek在全球火了,并带火了一个95后AI“天才少女”罗福莉。最近,我国头部量化私募公司幻方量化旗下专心于AI大模型研讨开发的Deepseek(深度求索公司),宣告旗下...

英伟达黄仁勋称全球 50% 的 AI 研究人员来自我国

IT之家 3 月 21 日音讯,英伟达创始人兼 CEO 黄仁勋在 GTC 2025 的采访中谈及了英伟达在我国市场开展 AI 的状况。英伟达在我国现已超越 25 年,现在,英伟达在我国已具有近 400...

Suno引爆音乐圈,与音乐人聊聊AI生成音乐与艺术的随机数

文 | 硅谷101AIGC的风终究是吹到了音乐圈——本年3月,“音乐届的ChatGPT” Suno V3粉墨登场,用户只需求在Suno上输入一句话的提示词,即可在数秒内生成两首两分钟的完好歌曲,从作词...

可灵AI进入2.0年代,可用“文字+图片+视频”生成视频

4月15日,可灵AI举办2.0版别模型发布会,发布可灵2.0视频生成模型及可图2.0图画生成模型。据悉,可灵2.0上线了一种能够将文字、图片、视频等不同格局的文件结合起来一同修改生成视频的新交互形式,...

英伟达黄仁勋大手笔!越南首富AI医疗公司被归入麾下

来历:快科技快科技12月8日讯,近来,据媒体报道,英伟达与越南政府携手,宣告了一项重要协作:在越南树立AI研究中心。经过建造AI基础设施和扶持相关立异企业,加快推进越南人工智能开展进程。本周,英伟达创...

友情链接: