OpenAI推出Dalle-3
DALL-E 3 代表着OpenAI在生成与您提供的文本完全一致的图像能力方面的一次飞跃
![阿法兔](/wp-content/themes/zhtcw/assets/images/logo-icon.png)
原文作者:阿法兔
原文来源:阿法兔研究笔记
https://openai.com/dall-e-3
- DALL-E 3 目前处于研究和试用预览阶段,将于 10 月份向 ChatGPT Plus 和企业客户提供。
- DALL-E 3 :能够理解微妙的细微差别,并根据包含大量细节的提示词出图
- 根据OpenAI官网,DALL-E 3 主要是针对 ChatGPT Plus 和企业版用户都将可以使用。
现代文本到图像系统往往会忽略文字或描述,迫使用户学习提示工程。DALL-E 3 代表着OpenAI在生成与您提供的文本完全一致的图像能力方面的一次飞跃(Modern text-to-image systems have a tendency to ignore words or descriptions, forcing users to learn prompt engineering. DALL·E 3 represents a leap forward in our ability to generate images that exactly adhere to the text you provide.)
即使相同的提示词,DALL-E 3 也比 DALL-E 2 有显著改进,如下:提示词“An expressive oil painting of a basketball player dunking, depicted as an explosion of a nebula.”
左图是DALL-E 2,右图的DALL-E 3
DALL-E 3DALL-E 3 是在 ChatGPT 的基础上开发的,它可以让用户把 ChatGPT 作为你的头脑风暴伙伴和提示的提炼者。从简单的句子到详细的段落,你都可以向 ChatGPT 提出自己的需求。
ChatGPT 中的 DALL-E 3当你提出一个想法时,ChatGPT 会自动为DALL-E 3生成量身定制的详细提示,让你的想法栩栩如生。如果你喜欢某个图像,但它不太合适,你可以要求 ChatGPT 进行调整,只需几个字即可。
DALL-E 3 将于 10 月初向 ChatGPT Plus 和企业客户推出。与 DALL-E 2 一样,用户使用 DALL-E 3 创建的图片归自己所有,无需获得OpenAI的许可即可对其进行转载、销售或商品化。
其它示例
和ChatGPT 的集成:让 ChatGPT 制作一个有趣的漫画,ChatGPT可以为 DALL-E 3 提出了概念,并编写了详细的提示词。
再举个例子,跟 ChatGPT说:"制作有趣的表情包:make a funny meme. should be unlike anything seen before."; it prompted DALL·E with: "A penguin in a desert with a suitcase, looking confused, with a text caption that says 'I think I booked the wrong flight'." Not cherry-picked:
还可以使用 DALL-E 3 制作一些非常漂亮和有趣的可视化效果:
还有海报:
关于【OpenAI推出Dalle-3】的延伸阅读
Sam Altman 围绕 OpenAI 打造出一个致富帝国
OpenAI首席执行官奥特曼同时经营副业,但只有一份工作让他发了财。他投资了多家想抓住人工智能风口的公司,包括网络安全软件公司和清洁能源公司。他最成功的投资是支付处理初创公司Stripe。奥特曼也投资了使用OpenAI技术的初创公司。他曾因投资引发利益冲突而被罢免职务,但重新担任首席执行官后制定了新的利益冲突政策。董事会正在进行改革,包括强化利益冲突政策和独立审计委员会。奥特曼计划通过全面披露和董事会管理来解决利益冲突问题。
OpenAI 悄悄招募了 Altman 投资的安全团队,但与超级对齐无关
OpenAI招募了Indent安全团队,由两位联合创始人领导。Indent提供自动化处理访问权限的服务,解决团队扩大带来的访问审批问题。OpenAI前CEO和弟弟参与了Indent的种子轮融资,两者关系密切。Indent将业务拓展到大模型领域,提出针对性的安全解决方案。OpenAI正在加大前沿模型的投入,下一款新模型“GPT Next”将在2024年发布。公司正在加速追求模型的商业化,但安全文化和流程已不再受重视。OpenAI的超级团队解散,表明公司正在加速追求商业化,但也可能是离职员工失望的原因。
卡通图片:
Sam展示的视频:
原理:
- 早的DALL·E 是 OpenAI 的多模态预训练模型,通过120亿参数的模型,在2.5亿图像文本对上训练完成
- DALL-E 是一个两阶段的模型:它的第一个阶段是离散变分自编码器(Discrete Variance Auto-Encoder,dVAE),用于生成图像的token。它的第二个阶段是混合了图像和文本特征的,以Transformer为基础的生成模型
上述原理参考自:知乎DALL·E 原理通俗理解-Mr.RottenPeach的文章
你对DALL·E 3怎么看?可以试用一下:)对比一下和Midjourney
参考资料:
1.知乎:DALL·E 原理通俗理解-Mr.RottenPeach
2.Greg的推特
3.https://openai.com/dall-e-3
4.https://zhuanlan.zhihu.com/p/506778898
免责声明:本文仅代表作者个人观点,不代表链观CHAINLOOK立场,不承担法律责任。文章及观点也不构成投资意见。请用户理性看待市场风险,以及遵守所在国家和地区的相关法律法规。
图文来源:阿法兔,如有侵权请联系删除。转载或引用请注明文章出处!