「DALL·E 3はどのように作られましたか?(OpenAIの最高のテキストから画像を生成するモデル)」

「DALL·E 3の作成過程を詳しく解説!(OpenAIの画像生成モデルについて)」

キャプションを改善して画像生成を向上させる

louisbouchard.aiで最初に公開され、2日前に私のブログで読むことができます。

動画を見る:

昨年、OpenAIによる初の驚くべきテキストからイメージを生成するモデル、DALL·E 2に驚かされました。しかし、今日はその第三バージョンによって、芸術と技術がこれまで以上に融合した世界に足を踏み入れる準備をしてください!

OpenAIが最近公開した新しい論文で、DALL·E 3にダイブして、DALL·E 2から大きく進化した点を明らかにしましょう!

<img 1の結果。openaiのブログ記事からの画像:a.="" al.、ゼロショットのテキストからイメージを生成、2021.="" alt="ファンタジーの世界において、細部まで緻密に描かれた毛皮のフミノイドのスカンクが、鋭い目つきで自信を持って立っています。彼は動物の毛皮のジャケットを着ています。アーティストはこのキャラクターをデジタルアートで見事に描き、毛皮や服のテクスチャの細部まで再現しています。画像とキャプションは論文より引用。</figcaption></figure><p>詳細な生成画像キャプションでトレーニングされたDALL·E 3は、単にプロンプトに従うだけではありません。それらに命を吹き込むのです。その結果は信じられないもので、プロンプトにだけでなく、プロンプトの背後にあるストーリーも理解できます。2020年からの進歩はまさに驚くべきものです。</p><figure><img alt=" arxiv:2102.12092。

DALL·E 3の優位性の中核には、強力なイメージキャプションがあります。すべてはイメージキャプションにかかっています。トレーニング中にテキストは供給され、生成するべき画像とともに与えられます。この新しいイメージキャプションは、DALLE 3がDALLE 2よりも優れている主要な要因です。以前のモデルは、インターネットから取り込まれた画像とテキストのペアを使用して、自己教師ありの方法で最初にトレーニングされました。Instagramの写真とそのキャプションやハッシュタグを想像してみてください。いつもそれが情報提供的なものや関連性があるものとは限りません。投稿の著者は、主題に関する説明のみを行い、画像に現れる環境やテキスト、および主題以外の全体のストーリーについて説明しません。さらに悪いことに、多くのキャプションはただのジョークや関係のない考えや詩です。この段階では、そのようなトレーニングでは…

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

AIニュース

なぜ科学者たちは仮想世界に没頭しているのか

「仮想現実(VR)技術を実験室で使用する科学研究者の数が増えており、しばしば遠くの同僚と簡単に協力したり、単にリモート...

AIニュース

アマゾンがベッドロックを展開:AIモデルの評価と人間のベンチマーキング

開発において、Amazon Bedrockは、特定のニーズに合わせて選択し、比較し、最適なファウンデーションモデル(FM)を選択する...

AI研究

マイクロソフトの研究者が「InstructDiffusion:コンピュータビジョンタスクを人間の指示に合わせるための包括的かつ汎用的なAIフレームワーク」というタイトルで発表しました

マイクロソフトリサーチアジアの研究者たちは、適応性のある汎用的なビジョンモデルに向けた画期的な進展であるInstructDiffu...

AI研究

「大規模な言語モデルがコンパイラ最適化のメタAI研究者を驚かせる!」

「これは、LLMの明らかな不備についての論文だと思っていましたが、将来の賢いアイデアの動機づけとなるものとして役立つもの...