InayofuataMwongozo unaofuata
Text Rendering in AI-Generated Images
AI ya kuona
Mwongozo wa AI unaoonekana
Imagen Maandishi-kwa-Picha
Imagen ni mfumo wa Google wa kubadilisha maandishi hadi picha ambao hubadilisha maelezo yaliyoandikwa kuwa picha halisi.
Sikiliza mwongozo huuInaonyeshwa na AI · ~2 min
Katika ukurasa huudk 2 kusoma
Muhtasari
Its headline finding was that a large frozen language model, not a bigger image network, was the biggest driver of quality.
Dive ya kina
Iliyotangazwa na Google Utafiti wa 2022, Imagen ilionyesha kuwa kuelewa kwa kina kidokezo ni muhimu kama vile kuchora vizuri. Badala ya kisimbaji cha maandishi cha mtindo wa CLIP, Imagen hutumia kisimbaji kikubwa cha maandishi kilichozoezwa awali (T5-XXL) ambacho huwekwa kisisonge, kisha hulisha upachikaji huo wa lugha tajiri katika muundo wa usambaaji. Hutoa taswira ndogo ya 64x64 na hutumia hatua mbili za uenezaji wa azimio kuu ili kuongeza kiwango hadi 1024x1024. Timu pia ilianzisha 'kizingiti kinachobadilika' ili kuweka rangi thabiti katika uelekezi wa hali ya juu, na ikaunda DrawBench, alama ya kipimo cha majaribio ya vishawishi, mahusiano ya anga na michanganyiko adimu. Matoleo ya baadaye, Imagen 2 na Imagen 3, maelezo yaliyoboreshwa, uwasilishaji wa maandishi, na uaminifu wa haraka, na sasa tumia zana za picha za Google.
Utekelezaji wa Ulimwengu Halisi
Inazalisha taswira za uuzaji zenye picha halisi kutoka kwa muhtasari ulioandikwa bila upigaji picha
Kuunda vielelezo vya dhana vya kusimulia hadithi au vitabu vya watoto kutoka kwa sentensi zenye maelezo
Kutengeneza nakala za bidhaa na tofauti za matukio kwa uorodheshaji wa biashara ya mtandaoni
Kuangazia mawazo ya kisayansi au kielimu, kama utafsiri wa msanii unaofafanuliwa kwa lugha rahisi
Mustakabali wa Maandishi ya Imagen-hadi-Picha
Ukoo wa Imagen unaelekea kwenye uwasilishaji bora wa maandishi ndani ya picha, kufuata kwa haraka kwa matukio changamano, na sampuli za haraka zaidi. Tarajia muunganisho wa kina na miundo ya lugha ili mfumo 'usababu' kuhusu ombi kabla ya kuchora, pamoja na uangazishaji thabiti zaidi kama SynthID kwa utangulizi. Inapojumuisha katika bidhaa za Google na Gemini mfumo wa ikolojia, mwelekeo huhamia kwenye kizazi cha kuaminika, salama na kinachoweza kudhibitiwa badala ya ubunifu mbichi.
Kuiweka katika vitendo
Kwa nini ni muhimu
- Kasi na kiwango. Visual AI inaweza kufanya ukaguzi, ugunduzi na kazi za kuweka lebo kiotomatiki kwa kiwango.
- Tengeneza chaguzi. Timu bunifu zinaweza kuiga dhana kwa haraka zaidi na masahihisho machache ya mikono.
- Timu na mtiririko wa kazi. Uendeshaji unaweza kutumia ishara za picha na video ambazo hapo awali zilikuwa ngumu kuchakata.
Jihadharini na
- Haki za picha na idhini zinaweza kuwa hatari za kisheria ikiwa asili haiko wazi.
- Utendaji wa muundo unaweza kutofautiana katika mwangaza, idadi ya watu na mazingira.
- Chanya za uwongo zinaweza kutotambuliwa isipokuwa viwango vya uaminifu vifuatiliwe.
Hatua zinazofuata
- Bainisha vigezo vya kukubalika vya usahihi, kumbukumbu na gharama za makosa.
- Jaribu kwa kutumia data inayolingana na hali halisi ya uzalishaji.
- Ongeza ukaguzi wa kibinadamu kwa utabiri wa chini au utabiri wa athari kubwa.
- Fuatilia mtindo wa kuteleza na uthibitishe upya baada ya mabadiliko ya kamera au mkusanyiko wa data.
Endelea Kuchunguza
Jarida halali
Pata taarifa ya kila siku ya AI
Hadithi tatu za AI zilizothibitishwa kila asubuhi ya wiki, zimetengenezwa kwa Kiingereza rahisi. Bila malipo daima, hakuna matangazo.
Barua pepe moja kila siku ya wiki. Jiondoe kwa bonyeza moja. Hatutauza au kushiriki anwani yako.
Jijaribu mwenyewe
Take the Imagen Text-to-Image quiz
Maoni ya haraka juu ya kila jibu, na cheti kinachoweza kushirikishwa na kitambulisho kinachoweza kuthibitishwa baada ya kupita kozi.
Changia elimu ya AI bila malipo. AI Understanding ni 501(c)(3) isiyo na faida — hakuna matangazo, hakuna kizuizi cha malipo, daima. Toa mchango
Maswali yanayoulizwa mara kwa mara
What is Imagen Text-to-Image?
Imagen ni mfumo wa Google wa kubadilisha maandishi hadi picha ambao hubadilisha maelezo yaliyoandikwa kuwa picha halisi. Ugunduzi wake wa kichwa ulikuwa kwamba modeli kubwa ya lugha iliyogandishwa, sio mtandao mkubwa wa picha, ilikuwa kiendeshaji kikubwa zaidi cha ubora.
In the original Imagen study's scaling comparison, which change produced larger image-quality and text-alignment gains?
The reported comparisons favored scaling the text encoder; this is a study result, not a universal rule for every architecture.
Imagen inategemea kisimba gani cha maandishi?
Imagen hutumia programu kubwa ya kusimba ya T5-XXL iliyofunzwa maandishi pekee, iliyohifadhiwa wakati wa mafunzo.
Imagen inafikia vipi azimio la juu?
Hutoa taswira ya 64x64 kisha huongeza viwango vya juu kupitia miundo ya uenezaji wa azimio bora hadi 1024x1024.
What problem did original Imagen's dynamic thresholding address under strong guidance?
The method clips and rescales predicted pixels to limit saturation under large guidance weights.
DrawBench ni nini?
DrawBench ni alama Google iliyoletwa na Imagen ili kuhesabu majaribio, mahusiano ya anga na vidokezo adimu.
Endelea kujifunza
Miongozo inayohusiana
Miongozo zaidi imechaguliwa kwa mada hii