Imagen Qoraal-u-Sawirka
Imagen waa Google hab-qoraal-u-muuqaal oo u beddela sharraxaad qoraal ah sawiro dhab ah.
Dulmar
Its headline finding was that a large frozen language model, not a bigger image network, was the biggest driver of quality.
quusid qoto dheer
Waxaa ku dhawaaqay Google Cilmi baaris lagu sameeyay 2022, Imagen waxay muujisay in si qoto dheer loo fahmo degdegga arrimaha sida ugu badan ee loo sawiro. Halkii aad ka isticmaali lahayd codeer-qoraalka qaabka CLIP, Imagen waxa ay isticmaashaa encoder-qoraal weyn oo horay loo tababbaray (T5-XXL) kaas oo la qaboojiyey, ka dibna ku quudiya luqadaha qani ah ee la dhexgaliyo qaabka faafinta. Waxay soo saartaa sawir yar oo 64x64 ah waxayna adeegsataa laba heerar fidinta xallinta sare ah si ay kor ugu qaaddo 1024x1024. Kooxdu waxay sidoo kale soo bandhigtay 'xaddidaad firfircoon' si midabada loogu ilaaliyo hagitaan sare, waxayna dhiseen DrawBench, bartilmaameedka tirinta degdegga ah ee adag, xiriirka dhulka, iyo isku darka naadir ah. Noocyadii dambe, Imagen 2 iyo Imagen 3, tafaasiil la fiiqan yahay, gudbinta qoraalka, iyo daacadnimada degdega ah, oo hadda awood Google qalabyada sawirka.
Aragtida Farsamada
Doorashada taagan ee Imagen ayaa cabiraysa codeeyaha qoraalka halkii ay ka ahaan lahayd abuuraha sawirka. T5-XXL, oo lagu tababaray qoraalka kaliya, waxay soo saartaa dhejisyo qabata luqadda nuanceed, cilmi-baarayaashu waxay ogaadeen in ballaarinta ay wanaajisay isku-xidhka sawirka-qoraalka in ka badan ballaarinta qaabka fidinta. Jiilkii waa la daadiray: qaabka faafinta salku wuxuu sameeyaa sawir yar oo xallin ah, ka dib moodooyinka fidinta xallinta sare ayaa si tartiib tartiib ah kor ugu qaadaya, oo leh heerar firfircoon oo xajinaya qiyamka pixel si looga fogaado natiijooyinka la dhaqay iyadoo la raacayo hagitaan adag.
Saamaynta Istiraatijiyadeed
Xawaaraha iyo miisaanka
Visual AI wuxuu si otomaatig ah u samayn karaa baadhista, ogaanshaha, iyo sumadaynta hawlaha miisaanka.
Xulashada dhismayaasha
Kooxaha hal-abuurka leh waxay hindise karaan fikradaha si dhakhso leh iyagoo leh dib-u-eegis buugeed yar.
Kooxda iyo socodka shaqada
Hawlgalladu waxay isticmaali karaan calaamadaha muuqaalka iyo muuqaalka kuwaas oo markii hore adkeyd in la farsameeyo.
Mustaqbalka Imagen Text-to-Image
Abtirsiinta Imagen waxa ay u socotaa dhanka qoraalka si ka wanaagsan oo sawirada gudahiisa ah, degdeg u adag oo la socda muuqaalo adag, iyo muunad degdeg ah. Filo isku-dhafka qoto-dheer ee moodooyinka luqadda si nidaamku 'sababaha' ku saabsan codsiga ka hor sawirka, oo lagu daray watermarking xoog leh sida SynthID for provenance. Sida ay u midayso dhammaan alaabooyinka Google iyo Gemini nidaamka deegaanka, diiradda waxay u wareegtaa jiil la isku halayn karo, badbaado leh, la kontarooli karo halkii ay ka ahaan lahayd wax cusub cusub.
Dhaqangelinta Adduunka-dhabta ah
Soo saarista muuqaalo suuqgeyn macquul ah oo qoraal ah oo aan sawir lahayn
Abuuritaanka sawiro fikradeed sheeko ama buugaagta carruurta ee weedho qeexan
Soo saarista maaweelada alaabta iyo kala duwanaanta goobta ee liiska ganacsiga e-commerce
Aragtida fikradaha sayniska ama waxbarashada, sida bandhig faneedka oo lagu qeexay luqad cad
Khatarta & Dariiqyada Ilaalada
Xuquuqda sawirka iyo ogolaanshaha waxay noqon kartaa khataro sharci ah haddii caddayntu aanay caddayn.
Waxqabadka moodeelku wuu ku kala duwanaan karaa iftiinka, tirakoobka, iyo deegaanka.
Wanaagga beenta ah waxa laga yaabaa inaan la dareemin ilaa xadka kalsoonida aan la kormeerin.
Qorshe Hawleedka Dhaqangelinta
Qeex shuruudaha aqbalida ee saxnaanta, dib u celinta, iyo kharashyada khaladka.
Ku tijaabi xogta ku habboon xaaladaha wax soo saarka dhabta ah.
Ku dar dib u eegis bini'aadamka si aad u hesho kalsoonida hoose ama saameeynta sare.
Lasoco moodeel dhaqaaqa oo dib u cusboonaysii kamarada ama xogta kaydinta ka dib.
Sii wad Sahaminta
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Imagen Text-to-Image quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Hagaha xiga
Imagen 2 iyo Faafinta Abaalmarinta-Tuned
Su'aalaha soo noqnoqda
What is Imagen Text-to-Image?
Imagen waa Google hab-qoraal-u-muuqaal oo u beddela sharraxaad qoraal ah sawiro dhab ah. Helitaanka cinwaankeedu waxa uu ahaa in qaabka luqadda la qaboojiyey ee weyn, oo aan ahayn shabakad muuqaal weyn, uu ahaa darawalka ugu weyn ee tayada.
Maxay ahayd raadinta ugu saamaynta badan Imagen?
Imagen waxay muujisay in cabirida fahamka luqadda iyada oo loo marayo T5-XXL ay horumarisay natiijooyin ka badan cabbiridda qaabka fidinta.
Codeeyaha qoraalka ee Imagen ku tiirsan yahay?
Imagen waxay isticmaashaa koodiyaha T5-XXL ee hore loo tababaray ee weyn, qoraalka-kaliya, la qaboojiyey inta lagu jiro tababarka.
Sidee ayuu Imagen ku gaadhaa xallinta sare?
Waxay soo saartaa muuqaal 64x64 ah ka dibna waxay kor u qaadaysaa moodooyinka faafinta xallinta-sare ilaa 1024x1024.
Waa maxay 'xajmiga firfircoon' ee Imagen lagu isticmaalo?
Xaddidaadda firfircoonida leh waxay xirtaa qiyamka pixel sidaa darteed hagida sare ma soo saarto sawirro la dhaqay.
Waa maxay DrawBench?
DrawBench waa halbeeg Google lagu soo bandhigay Imagen si loo tijaabiyo tirinta, xiriirka boosaska, iyo dardargelinta naadir.