市場動態 生活 觀察 軟體

Google提出名為Parti的文本轉圖像技術,透過文字描述快速生成精美圖像
目前在市場上類似的技術越來越多

Google提出名為Parti的文本轉圖像技術,透過輸入文字敘述內容,即可快速生成對應圖像結果。

-

Parti是透過200億組輸入資料進行訓練,全名為「Pathways Autoregressive Text-to-Image」 (路徑自回歸模型文本轉圖像),同時隨著可使用參數增加,所生成圖像也會更逼真。

而為了避免造成額外影響,目前Google並未透過公眾內容訓練Parti,避免產生潛在偏見風險。

-
▲Parti背後運作流程
-
▲隨著訓練資料數量增加,所生成影像精度也會更高

在訓練過程中,Google更表示會加入一些「噪訊」進行干擾,藉此讓人工智慧在訓練過程產生對抗生成訓練效果,避免生成結果變成千篇一律,同時也能讓生成結果精度提高。

目前在市場上類似的技術越來越多,除了Google此次提出的Parti,還包含先前由NVIDIA提出的GauGAN,或是OpenAI提出的Dall-E,以及諸如VQ-GAN+CLIP 和 Latent Diffusion Models等,均可透過簡單文字描述輸入,即可快速生成擬真影像。

-

楊又肇 (Mash Yang)
mashdigi.com網站創辦人兼主筆,同時也是科技新聞業流浪漢。

發表迴響