Aworan Ọrọ-si-Aworan
Imagen jẹ eto ọrọ-si-aworan Google ti o yi awọn apejuwe kikọ pada si awọn aworan ojulowo.
Akopọ
Wiwa akọle rẹ ni pe awoṣe ede ti o tobi julọ, kii ṣe nẹtiwọọki aworan ti o tobi julọ, jẹ awakọ ti o tobi julọ ti didara.
Jin Dive
Ti kede nipasẹ Google Iwadi ni ọdun 2022, Imagen fihan pe agbọye jinlẹ jinlẹ ni awọn ọrọ ti o tọ bi jijẹ daradara. Dipo koodu koodu ara-CLIP kan, Imagen nlo koodu koodu ti a ti kọkọ tẹlẹ (T5-XXL) ti o jẹ tutunini, lẹhinna ifunni awọn ifibọ ede ọlọrọ wọnyẹn sinu awoṣe itankale. O ṣe agbejade aworan kekere 64x64 ati pe o nlo awọn ipele itọka iwọn-giga meji lati gbega si 1024x1024. Ẹgbẹ naa tun ṣafihan 'ilọpo agbara' lati jẹ ki awọn awọ jẹ iduroṣinṣin ni itọsọna giga, ati kọ DrawBench, aami ipilẹ ti kika idanwo ẹtan, awọn ibatan aye, ati awọn akojọpọ toje. Awọn ẹya ti o tẹle, Imagen 2 ati Imagen 3, alaye ti o pọ, sisọ ọrọ, ati iṣootọ kiakia, ati ni bayi agbara awọn irinṣẹ aworan Google.
Imọ-imọ-ẹrọ
Aṣayan imurasilẹ ti Imagen jẹ iwọn koodu koodu dipo olupilẹṣẹ aworan. T5-XXL, ti a ṣe ikẹkọ lori ọrọ nikan, ṣe agbejade awọn ifibọ ti o gba ede ti ko ni iyasọtọ, ati pe awọn oniwadi rii pe fifin sii dara si titete ọrọ-aworan diẹ sii ju jijẹ awoṣe itankale kaakiri. Iran ti wa ni cascaded: awoṣe itanka ipilẹ kan ṣe aworan ti o ga-kekere, lẹhinna awọn awoṣe itọka ipin-giga ni ilọsiwaju ni ilọsiwaju, pẹlu awọn iye piksẹli didimu agbara lati yago fun awọn abajade fifọ labẹ itọsọna to lagbara.
Ipa Ilana
Iyara ati iwọn
Visual AI le ṣe adaṣe adaṣe, wiwa, ati awọn iṣẹ ṣiṣe taagi ni iwọn.
Kọ awọn yiyan
Awọn ẹgbẹ ẹda le ṣe apẹrẹ awọn imọran yiyara pẹlu awọn atunyẹwo afọwọṣe diẹ.
Ẹgbẹ ati ṣiṣan iṣẹ
Awọn iṣẹ ṣiṣe le lo aworan ati awọn ifihan agbara fidio ti o nira tẹlẹ lati ṣiṣẹ.
Ojo iwaju ti Imagen Text-to-Image
Ila ti Imagen n gbe lọ si kikọ ti o dara julọ ninu awọn aworan, titẹle titẹle fun awọn iwoye ti o nipọn, ati iṣapẹẹrẹ yiyara. Reti idapọ ti o jinlẹ pẹlu awọn awoṣe ede ki eto naa 'awọn idi' nipa ibeere kan ṣaaju iyaworan, pẹlu isamisi omi ti o lagbara bi SynthID fun iṣafihan. Bi o ṣe n ṣepọ kọja awọn ọja Google ati Gemini ilolupo, idojukọ naa yipada si igbẹkẹle, ailewu, iran iṣakoso dipo aratuntun aise.
Real-World imuse
Ṣiṣẹda awọn wiwo titaja fọto gidi lati inu kukuru ti a kọ laisi iyaworan fọto kan
Ṣiṣẹda awọn apejuwe ero fun itan-itan tabi awọn iwe ọmọde lati awọn gbolohun ọrọ asọye
Ṣiṣejade awọn ẹgan ọja ati awọn iyatọ oju iṣẹlẹ fun awọn atokọ e-commerce
Wiwo imọ-jinlẹ tabi awọn imọran eto-ẹkọ, bii iṣẹda olorin ti a ṣalaye ni ede itele
Awọn ewu & Awọn ọna iṣọ
Awọn ẹtọ aworan ati igbanilaaye le di awọn eewu labẹ ofin ti o ba jẹ afihan.
Iṣe awoṣe le yatọ kọja ina, awọn ẹda eniyan, ati awọn agbegbe.
Awọn idaniloju eke le ma ṣe akiyesi ayafi ti a ba ṣe abojuto awọn ala igbẹkẹle.
Ilana Ilana imuse
Ṣetumo awọn ibeere gbigba fun pipe, iranti, ati awọn idiyele aṣiṣe.
Ṣe idanwo pẹlu data ti o baamu awọn ipo iṣelọpọ gidi.
Ṣafikun atunyẹwo eniyan fun igbẹkẹle kekere tabi awọn asọtẹlẹ ipa-giga.
Tọpinpin awoṣe ki o ṣe tunṣe lẹhin kamẹra tabi awọn ayipada datasetto.
Tesiwaju Ṣiṣawari
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
Itọsọna atẹle
Imagen 2 ati ère-aifwy Itankale
Awọn ibeere ti a beere nigbagbogbo
Kini Imagen Text-to-Image?
Imagen jẹ eto ọrọ-si-aworan Google ti o yi awọn apejuwe kikọ pada si awọn aworan fọtoyiya. Wiwa akọle rẹ ni pe awoṣe ede didi nla kan, kii ṣe nẹtiwọọki aworan nla, jẹ awakọ ti didara julọ.
Kini wiwa ti o ni ipa julọ ti Imagen?
Imagen fihan pe wiwọn oye ede nipasẹ T5-XXL ni ilọsiwaju awọn abajade diẹ sii ju iwọn iwọn awoṣe itankale lọ.
Ewo koodu koodu ti Imagen gbarale?
Imagen nlo titobi nla, koodu T5-XXL ti a ti kọkọ tẹlẹ ti ọrọ nikan, ti o di tutunini lakoko ikẹkọ.
Bawo ni Imagen ṣe de ipinnu giga?
O ṣe agbejade aworan 64 × 64 kan lẹhinna gbega nipasẹ awọn awoṣe itọjade ipinfunni nla si 1024 × 1024.
Kí ni 'ìmúdàgba àbáwọlé' tí a lò fún ní Imagen?
Yiyi ti ala clamps pixel iye to ga itoni ko ni gbe awọn aworan-fọ.
Kini DrawBench?
DrawBench jẹ aami ipilẹ Google ti a ṣe pẹlu Imagen lati ṣe idanwo kika, awọn ibatan aaye, ati awọn itọsi to ṣọwọn.