Parti Pathways Autoregressive Imaging
Parti (Pathways Autoregressive Text-to-Image) hutengeneza picha jinsi modeli za lugha huandika sentensi: tokeni ya picha moja kwa wakati mmoja, ikitabiri inayofuata kutoka kwa yote yaliyotangulia.
Muhtasari
It matters because it showed that simply scaling a sequence model can produce strikingly detailed, prompt-faithful images.
Dive ya kina
Parti huchukulia utengenezaji wa picha kama tatizo la utafsiri wa mfuatano hadi mfuatano, kama vile utafsiri wa mashine. Kiashiria cha ViT-VQGAN kwanza husimba picha katika mlolongo wa tokeni tofauti zilizotolewa kutoka kwa kitabu cha msimbo kilichojifunza. Kisimbaji cha Transformer husoma kidokezo cha maandishi, na Kibadilishaji kisimbuaji kisha hutengeneza tokeni za picha kiotomatiki, kila moja ikiwa na masharti kwenye maandishi na tokeni zilizotolewa hapo awali. Baada ya tokeni zote kuzalishwa, avkodare ya tokenizer hutengeneza upya saizi. Google iliweka kiwango cha Parti kutoka milioni 350 hadi vigezo bilioni 20, na ubora wa picha na mpangilio wa maandishi kuboreshwa polepole kwa ukubwa. Muundo wa 20B ulishughulikia vidokezo virefu, vya utunzi, maandishi yanayosomeka, na maelezo mazuri yanayoheshimiwa. Parti pia ilianzisha benchmark ya PartiPrompts, seti ya zaidi ya vidokezo 1,600 vyenye changamoto vinavyojumuisha kategoria nyingi na viwango vya ugumu.
Ufahamu wa Kiufundi
Kipengele kinachobainisha ni urejeleaji kiotomatiki juu ya tokeni tofauti za kuona: kielelezo huweka picha kuwa bidhaa ya uwezekano wa masharti unaofuata, unaofanana kimawazo na utengenezaji wa maandishi wa mtindo wa GPT. Hii inaunganisha maono na lugha chini ya kichocheo kimoja cha mafunzo na kuiruhusu kurithi miongo kadhaa ya mbinu za uundaji wa mfuatano. Gharama ni kusimbua kwa mpangilio, kwani tokeni lazima zitolewe kwa mpangilio, ambayo hufanya kizazi kuwa polepole kuliko mbinu sambamba, lakini hupima kwa kutabirika na kufaidika moja kwa moja kutoka kwa mifano kubwa.
Athari za kimkakati
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.
Mustakabali wa Parti Pathways Autoregressive Imaging
Upigaji picha otomatiki unafurahia ufufuo kwa sababu uti wa mgongo ule ule unaweza kuiga maandishi, picha, sauti na video kama mtiririko mmoja wa tokeni, na kuwezesha miundo iliyounganishwa ya aina nyingi. Utafiti unashughulikia udhaifu wake mkuu, sampuli za mfuatano polepole, kwa usimbaji wa kubahatisha, utabiri wa ishara sambamba, na viashiria bora zaidi. Tarajia viini vinavyobadilika kiotomatiki ndani ya visaidizi vya jumla ambavyo huingiliana katika usomaji, hoja na utengenezaji wa picha, na kuona sheria za kuongeza alama zikisukuma usahihi wa utunzi na uwasilishaji wa maandishi ya picha unaotegemewa hata zaidi.
Utekelezaji wa Ulimwengu Halisi
Uwasilishaji wa matukio changamano ya vitu vingi kutoka kwa vidokezo virefu vya maelezo, kama vile mpangilio mahususi wa wanyama, vitu na usuli.
Inazalisha picha zinazojumuisha maneno au ishara zinazoweza kusomeka, ambapo upangaji kiotomatiki husaidia kutamka maandishi ipasavyo.
Mifumo ya kulinganisha na kupima mkazo wa maandishi-kwa-picha kwa kutumia sehemu ya PartiPrompts katika kategoria kama vile maarifa ya ulimwengu na dhana dhahania.
Kutoa vielelezo vya kina kwa vidokezo vinavyohitaji kuhesabu kwa usahihi na uhusiano wa anga kati ya vipengele vingi.
Hatari & Walinzi
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.
Ramani ya Utekelezaji
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
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 Parti Pathways Autoregressive Imaging 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
Mwongozo unaofuata
Uzalishaji wa Picha wa Kiotomatiki
Maswali yanayoulizwa mara kwa mara
What is Parti Pathways Autoregressive Imaging?
Parti (Pathways Autoregressive Text-to-Image) hutengeneza picha jinsi modeli za lugha huandika sentensi: tokeni ya picha moja kwa wakati mmoja, ikitabiri inayofuata kutoka kwa yote yaliyotangulia. Ni muhimu kwa sababu ilionyesha kuwa kuongeza tu muundo wa mlolongo kunaweza kutoa picha zenye maelezo ya kushangaza, na za uaminifu.
Je, Parti hutoaje picha?
Parti ni autoregressive: hutoa tokeni za picha kwa mfuatano, kila moja ikiwa na masharti kwenye maandishi na kwenye tokeni zilizotengenezwa hapo awali.
Je, ni muundo gani wa jumla ambao Parti hutumia kwa kazi ya kubadilisha maandishi hadi picha?
Parti hushughulikia kizazi kama tafsiri ya mashine: kisimbaji husoma maandishi na avkodare hutoa tokeni za picha, usanidi wa kawaida wa mfuatano hadi-mfuatano.
Je, kuongeza Parti hadi vigezo bilioni 20 kulionyesha nini?
Parti ilipokua kutoka vigezo vya 350M hadi 20B, uaminifu na uaminifu wa haraka uliboreshwa, ikijumuisha vidokezo bora vya utunzi na maandishi yanayosomeka.
Ni nini kinachobadilisha picha kuwa ishara tofauti za Parti?
Parti hutumia ViT-VQGAN kusimba picha katika mfuatano wa tokeni zisizo na maana ambazo avkodare ya Transformer hujifunza kutabiri.
Ni nini hasara kuu ya usimbaji otomatiki wa Parti?
Kwa sababu kila ishara inategemea zile zilizopita, kizazi ni cha mfuatano na polepole kuliko njia zinazofanana, ingawa huongezeka kwa kutabirika.