OpenAI終於Open一回:DALL-E 3論文公佈、上線ChatGPT,作者一半是華人

首頁 > 科技

OpenAI終於Open一回:DALL-E 3論文公佈、上線ChatGPT,作者一半是華人

來源:一起來護膚 釋出時間:2023-10-20 14:32

OpenAI終於Open一回:DALL-E 3論文宣佈、上線ChatGPT,作者一半是華人

機器之心報道

機器之心編輯部

開啟 ChatGPT 就能用 DALL・E 3 天生圖片了,OpenAI 還罕見地釋出了一些技術細節。

終於,「OpenAI 又 Open 了」。在看到 OpenAI 剛剛釋出的 DALL・E 3 相關論文後,一位網友感嘆說。

DALL・E ‍3 是 OpenAI 在 2023 年 9 月份釋出的一個文生圖模型。與上一代模型 DALL・E 2 最大的區別在於,它可以利用 ChatGPT 天生提示(prompt),然後讓模型根據該提示天生影象。對於不擅長編寫提示的普通人來說,這一改進大大提高了 DALL・E 3 的使用效率。

此外,與 DALL・E 2 比擬,DALL・E 3 天生的圖質量也更高。

DALL・E 2 與 DALL・E 3 的天生效果對比。對於同樣的 prompt「一幅描繪籃球運動員扣籃的油畫,並伴以爆炸的星雲」,左圖 DALL・E 2 在細節、清晰度、明亮度等方面顯然遜於右圖 DALL・E 3。

即使與當前最流行的文生圖應用 Midjourney 比擬,DALL・E 3 也能打個平手甚至超越 Midjourney。而且與 Midjourney 比擬,DALL・E 3 不需要使用者自己把握複雜的 Prompt 編寫知識,使用起來門檻更低。

DALL・E 3 vs. Midjourney 文生圖效果。prompt:這幅插畫描繪了一顆由半透明玻璃製成的人心,聳立在驚濤駭浪中的基座上。一縷陽光穿透雲層,照亮了心臟,揭示了其中的小宇宙。地平線上鐫刻著一行醒目的大字 「Find the universe within you」。

這一模型的釋出引發了不小的轟動,也再次鞏固了 OpenAI 技術領頭羊的形象。一時間,所有人都很好奇,這麼炸裂的效果是怎麼做到的?不外,令人失望的是,當時 OpenAI 並沒有透露技術細節,就像之前釋出 GPT-4 時一樣。

不外,一個月後,OpenAI 仍是給了大家一些驚喜。在一份篇幅達 22 頁的論文中,他們闡述了針對 DALL・E 3 所做的改進。論文要點包括:

模型能力的晉升主要來自於詳盡的影象文字描述(image captioning);

他們練習了一個影象文字描述模型來天生簡短而詳盡的文字;

他們使用了 T5 文字編碼器;

他們使用了 GPT-4 來完善使用者寫出的簡短提示;

他們練習了一個 U-net 解碼器,並將其蒸餾成 2 個去噪步驟;

文字渲染仍舊不可靠,他們以為該模型很難將單詞 token 對映為影象中的字母

除了論文之外,OpenAI 還宣佈了一個重要動靜:DALL・E 3 已經正式上線 ChatGPT,Plus 使用者和 Enterprise 使用者都可以使用。以下是機器之心的試用效果:

上一篇:IBM開發新芯... 下一篇:重疾險賠了一...
猜你喜歡
熱門閱讀
同類推薦