Résumé
Defar nataal buy dellu ginaaw dafay tabax nataal benn-benn, di wax luy waaja am ci token bu nekk ci lépp luñu ko defaree balaa muy defar. Dafa am solo ndax benn masin token bi ci topp biy doxal xeetu làkk yi mën na defar nataal yu lëkkaloo te ñu mëna saytu.
Generation Image Autoregressive mingi bokk ci liggéey yiy wane ordinatër, di tekki wala di defar ay mejaa yuñy xool ngir jàngat, liggéey ak sos lu bees.
Plongeur bu xóot
Defar nataal buy dellu ginaaw dafay jàppee nataal bi ni ab toppalante ba noppi diko wax luy waaja am élément par élément, foofu élément bu bees bu nekk dafay aju ci yi ko jiitu yépp. Liggéey yu njëkk yu melni PixelRNN ak PixelCNN dañu daan wax luy waaja am ci nataal yi benn pixel bu ñor benn yoon, di skane liiñ ci liiñ, te loolu dafa yeex waaye ci theorie set la. Sistem yu bees yi dañuy njëkka kompresse ab nataal ci benn griy bu ay jeton yu wuute di jëfandikoo encodeur bu nuroo ak VQ-VAE, ginaaw ga Transformer di wax luy waaja am ci token yooyu cammoy-ndeyjoor. DALL-E 1 bu OpenAI ak Parti bu Google topp nañu rëset bii, ñu defar ay token nataal yuñ laaj ci benn bind balaa ñu leen di dekodewaat ci pixel yi. Njariñ li gëna mag mooy modeling bi gëna jub ak architecture buñ boole muy làkk. Njëgglangi toppalante, sampling bu yeex.
Gis-gis xarala
Modèle bi dafay factoriser probabilite bu boole jeton yépp ci benn produit bu am sart: p(x) = produit bu p(x_i jox x_1...x_{i-1}). Transformer bu am bàyyi xel ci sabab (maske) dafay fexe ba position bu nekk gis ay token yu njëkk. Ci diiru tàggat-yaram, dafay wax luy waaja am ci token bu nekk ci paralel, jëfandikoo forsu jàngalekat, waaye ci inference dafa wara sample benn token benn yoon, di dundal ku nekk ci ñoom. Codebook bi ñu jàng, dafay jël token yi dellu ci patch nataal yi, decoder bi dafay sample ci pixel yu mujj.
Xam defar nataal yuy dellu ginaaw
Defar nataal buy dellu ginaaw dafay tabax nataal benn-benn, di wax luy waaja am ci token bu nekk ci lépp luñu ko defaree balaa muy defar. Dafa am solo ndax benn masin token bi ci topp biy doxal xeetu làkk yi mën na defar nataal yu lëkkaloo te ñu mëna saytu. Generation Image Autoregressive mingi bokk ci liggéey yiy wane ordinatër, di tekki wala di defar ay mejaa yuñy xool ngir jàngat, liggéey ak sos lu bees. Ngir tabax xam-xam bu xóot, jàppal Autoregressive Image Generation ni xeetu liggéey, du benn man-man: leeral njariñ yi nga bëgg, leeral xalaat yi, ba noppi tàqale li sistem bi mëna def ci anam wu wóor ak li ba leegi soxla àtteb kàngam.
Ci jëf, ekip yu am doole yiy jëfandikoo Autoregressive Image Generation dañuy méngale njubte gi ak dëggantaanu liggéey bi, lu ci melni kalite done, faraasu leeraay, ak méngoo etiketu. Dañuy bind kritër yu leer ngir am ndam, natt leen ci done yu dëggu ak def liggéey, ba noppi ñu baamtu ci anamu ñàkka mëna seetlu, du ci benn yoon benchmark wins. Mooy barab bi xam-xam theorie bi di soppiku nekk kàttan buy yàgg ci produit yi, ci politik yi ak ci liggéey yi.
Visual IA mën na otomatise saytu, gis ak etiketu liggéey ci eskaal. Ci jamano jooju, yelleefi nataal ak nangu mën na nekk risku yoon sudee fimu bawoo leerul. Xeetu jëf bi gëna dëgër mooy boole gaawaayu jàngat ak disipline nguur: doxal pilote, jàpp firnde, siiwal dogal yi, ak wéy di yeesal kaaraange gi ci anam wi ñuy doxalee, li jëfandikukat bi di xaar, ak sàrti sàrt yi di jëm kanam.
njeextalu pexe
Visual IA mën na otomatise saytu, gis ak etiketu liggéey ci eskaal.
Visual IA mën na otomatise saytu, gis ak etiketu liggéey ci eskaal. Ci jëfandikoo yu am kalite bu kawe, loolu dañu koy tekki ci sàrti liggéey yuñ mëna natt, ay peggu boroom, ak ay xew-xewu xoolaat yu bari suko defee ekip yi mëna yokk wóolu seen bopp ci barabu yokk lu jaxasoo.
Ekipu kreatif yi mën nañu defar konsept yu gëna gaaw te duñu def lu bari ci loxo.
Ekipu kreatif yi mën nañu defar konsept yu gëna gaaw te duñu def lu bari ci loxo. Ci jëfandikoo yu am kalite bu kawe, loolu dañu koy tekki ci sàrti liggéey yuñ mëna natt, ay peggu boroom, ak ay xew-xewu xoolaat yu bari suko defee ekip yi mëna yokk wóolu seen bopp ci barabu yokk lu jaxasoo.
Liggéeyukaay yi mën nañu jëfandikoo siñaal nataal wala wideo yu jafewoon lool ci liggéey.
Liggéeyukaay yi mën nañu jëfandikoo siñaal nataal wala wideo yu jafewoon lool ci liggéey. Ci jëfandikoo yu am kalite bu kawe, loolu dañu koy tekki ci sàrti liggéey yuñ mëna natt, ay peggu boroom, ak ay xew-xewu xoolaat yu bari suko defee ekip yi mëna yokk wóolu seen bopp ci barabu yokk lu jaxasoo.
Doxal ci àdduna dëgg
DALL-E 1 dafa defar ay nataal ci di wax luy am ci boppam ab griy bu ay token nataal yu wuute ci ab mbind.
Parti Google dafa yokk ab soppikaayu bind-ci-nataal buy dellu ci boppam ba 20 milyaari paràmetre ngir am seen yu leer te gaaw.
PixelCNN ak PixelRNN dañu wane pixel-by-pixel bu ñor te ba leegi ñu ngi leen di jëfandikoo ngir jàngale xeetu njàngale yu lalu ci mën mën.
MaskGIT ak Muse dañuy jëfandikoo dekodaasu jeton maske paralel ngir gaawlu synthese nataal bu lalu ci jeton boole ci wéy di tàggat ci stil autorégressif.
Modèlu jëfandikoo
Defar nataal yuy dellu ginaaw ci jëf
DALL-E 1 dafa defar ay nataal ci di wax luy am ci boppam ab griy bu ay token nataal yu wuute ci ab mbind.
DALL-E 1 dafa defar nataal yi ci autoregressively di wax luy waaja am ci benn griy bu tokens nataal yu diskret ci benn mbind. Ekip yi dañuy faral di am njariñ yu gëna baax suñu joxee threshold yu baax ci kanam, tëye yoonu escalation nit ngir jafe-jafe yi, ba noppi topp njariñu produit ak njëgu njuumte ci diir bi.
Defar nataal yuy dellu ginaaw ci jëf
Parti Google dafa yokk ab soppikaayu bind-ci-nataal buy dellu ci boppam ba 20 milyaari paràmetre ngir am seen yu leer te gaaw.
Google's Parti dafa yokk benn Transformatëru bind-ci-nataal buy dellu ginaaw ba 20 milyaar ciy parametre ngir am seen yu leer, yu gaaw.
Defar nataal yuy dellu ginaaw ci jëf
PixelCNN ak PixelRNN dañu wane pixel-by-pixel bu ñor te ba leegi ñu ngi leen di jëfandikoo ngir jàngale xeetu njàngale yu lalu ci mën mën.
PixelCNN ak PixelRNN wane nañu pixel-by-pixel generation bu ñor te ba leegi ñu ngi koy jëfandikoo ngir jàngale xeetu njàngale yu lalu ci mën-mën. Ekip yi dañuy faral di am njariñ yu gëna baax suñu joxee threshold yu baax ci kanam, tëye yoonu escalation nit ngir jafe-jafe yi, ba noppi topp njariñu produit ak njuumte ci diir bi.
Defar nataal yuy dellu ginaaw ci jëf
MaskGIT ak Muse dañuy jëfandikoo dekodaasu jeton maske paralel ngir gaawlu synthese nataal bu lalu ci jeton boole ci wéy di tàggat ci stil autorégressif.
MaskGIT ak Muse dañuy jëfandikoo dekodaasu token masked parallel ngir gaawlu synthesis nataal bu sukkandiko ci token, ci noonu lañuy wéy di tàggat ci xeetu autoregressive.
Risk yi ak balustrade yi
Yelleefi nataal ak nangu mën na nekk risku yoon sudee fi ñu bawoo leerul.
Performance model bi mën na wuute ci leeraay bi, demographie bi ak environmaa bi.
Njuumteg positive yi mën nañu dem te kenn duko seetlu fileek xool wuñu buntu wóolu sa bopp.
Roadmap ngir samp gi
Mandargal kritërium nangug njub, woowaat ak njëgu njuumte.
Mandargal kritërium nangug njub, woowaat ak njëgu njuumte. Japp jéego bu nekk ni buntu firnde: sudee mattul kritër yi, noppali génne gi, tëj bërëb bi, ba noppi nga yaatal jëfandikoo gi.
Saytu ak done yu méngoo ak anam yi ñuy liggéeyee dëgg.
Saytu ak done yu méngoo ak anam yi ñuy liggéeyee dëgg. Japp jéego bu nekk ni buntu firnde: sudee mattul kritër yi, noppali génne gi, tëj bërëb bi, ba noppi nga yaatal jëfandikoo gi.
Yokk jàngat nit ngir xam fu wóorul dara wala am njeexital yu rëy.
Yokk jàngat nit ngir xam fu wóorul dara wala am njeexital yu rëy. Japp jéego bu nekk ni buntu firnde: sudee mattul kritër yi, noppali génne gi, tëj bërëb bi, ba noppi nga yaatal jëfandikoo gi.
Toppal model drift bi nga baaxal ko ginaaw bi kamera bi wala done yi soppeekoo.
Toppal model drift bi nga baaxal ko ginaaw bi kamera bi wala done yi soppeekoo. Japp jéego bu nekk ni buntu firnde: sudee mattul kritër yi, noppali génne gi, tëj bërëb bi, ba noppi nga yaatal jëfandikoo gi.