OpenAI మీ టెక్స్ట్ నుండి చిత్రాలను రూపొందించగల మరియు మీ చిత్రాలను వరుసగా వర్గీకరించగల రెండు కొత్త ఉత్పాదక కృత్రిమ మేధస్సు నమూనాలను DALL-E మరియు CLIP లను అందించింది. DALL · E అనేది “అవోకాడో ఆకారపు చేతులకుర్చీ వంటిది” లేదా “దిగువ భాగంలో ఖచ్చితమైన అదే పిల్లి” వంటి చాలా విచిత్రమైన వచనం మరియు చిత్ర వివరణలతో చిత్రాలను రూపొందించగల ఒక న్యూరల్ నెట్‌వర్క్. ఇమేజ్ వర్గీకరణ కోసం CLIP ఒక కొత్త శిక్షణా పద్ధతిని ఉపయోగిస్తుంది, ఇది ఇమేజ్ రకాల పరిధిలో మరింత ఖచ్చితమైన, సమర్థవంతమైన మరియు సౌకర్యవంతమైనదిగా రూపొందించబడింది.

అమెరికాకు చెందిన ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ కంపెనీకి చెందిన జనరేటివ్ ప్రీ-ట్రైన్డ్ ట్రాన్స్ఫార్మర్ 3 (జిపిటి -3) నమూనాలు మానవ లాంటి చిత్రాలను మరియు వచనాన్ని రూపొందించడానికి లోతైన అభ్యాసాన్ని ఉపయోగిస్తాయి. ఎంటర్ చేసిన వచనాన్ని బట్టి భిన్నమైన మరియు కొన్నిసార్లు అధివాస్తవిక చిత్రాలను రూపొందించడానికి DALL · E శిక్షణ పొందినప్పుడు మీరు మీ ination హకు ఉచిత నియంత్రణ ఇవ్వవచ్చు. DALL-E తన స్వంతంగా సృష్టించడానికి వెబ్ నుండి చిత్రాలను లాగడంతో మోడల్ కాపీరైట్ సమస్యలకు సంబంధించిన సమస్యలను కూడా లేవనెత్తింది.

ఇలస్ట్రేటర్ AI DALL · E విచిత్రమైన చిత్రాలను సృష్టిస్తుంది

DALL · E అనే పేరు, మీరు ఇప్పటికే have హించినట్లుగా, అధివాస్తవిక కళాకారుడు సాల్వడార్ డాలీ మరియు పిక్సర్ యొక్క వాల్ · E. ల కలయిక. DALL · E విచిత్రమైన చిత్రాలను సృష్టించడానికి టెక్స్ట్ మరియు ఇమేజ్ ఇన్‌పుట్‌లను ఉపయోగించవచ్చు. ఉదాహరణకు, అతను “ఒక కుక్క నడుస్తున్న టుటులో డైకాన్ ముల్లంగి యొక్క ఉదాహరణ” లేదా “వీణ నత్త” ను సృష్టించవచ్చు. DALL · E ను మొదటి నుండి చిత్రాలను రూపొందించడానికి మాత్రమే కాకుండా, ఇమేజ్ టెక్స్ట్ లేదా ప్రాంప్ట్‌కు అనుగుణంగా ఉన్న ప్రస్తుత చిత్రాన్ని పునరుత్పత్తి చేయడానికి కూడా శిక్షణ ఇస్తారు.

నత్త వీణ ఓపెనాయి నత్త వీణ

“వీణతో చేసిన నత్త” అనే వచన సందేశానికి చిత్ర ఫలితాలు

OpenAI యొక్క GPT-3 అనేది లోతైన అభ్యాస భాషా నమూనా, ఇది భాషా ఇన్‌పుట్‌ను ఉపయోగించి పలు రకాల టెక్స్ట్ జనరేషన్ పనులను చేయగలదు. GPT-3 మానవుడిలాగే ఒక కథ రాయగలదు. DALL · E కోసం, శాన్ఫ్రాన్సిస్కో ఆధారిత AI ప్రయోగశాల చిత్రాలతో వచనాన్ని ఇచ్చిపుచ్చుకోవడం ద్వారా మరియు సగం పూర్తయిన చిత్రాలను పూర్తి చేయడానికి AI కి శిక్షణ ఇవ్వడం ద్వారా GPT-3 చిత్రాన్ని సృష్టించింది.

DALL · E జంతువుల లేదా వస్తువుల చిత్రాలను మానవ లక్షణాలతో గీయగలదు మరియు సంబంధం లేని అంశాలను ఒక చిత్రాన్ని రూపొందించడానికి సహేతుకమైన మార్గంలో మిళితం చేస్తుంది. చిత్రాల విజయవంతం రేటు టెక్స్ట్ ఎంత చక్కగా చెప్పబడుతుందో దానిపై ఆధారపడి ఉంటుంది. DALL · E తరచుగా “ఖాళీలను పూరించగలదు” అని శీర్షిక సూచించినప్పుడు చిత్రం స్పష్టంగా పేర్కొనబడని కొంత వివరాలను కలిగి ఉండాలి. ఉదాహరణకు, “తాబేలుతో చేసిన జిరాఫీ” లేదా “అవకాడో ఆకారపు చేతులకుర్చీ” అనే వచనం మీకు సంతృప్తికరమైన ఫలితాన్ని ఇస్తుంది.

వచనం మరియు చిత్రాలను కలిపి కత్తిరించండి

CLIP (కాంట్రాస్టివ్ లాంగ్వేజ్-ఇమేజ్ ప్రీ-ట్రైనింగ్) అనేది సహజ భాష ఆధారంగా ఖచ్చితమైన చిత్ర వర్గీకరణను చేయగల ఒక న్యూరల్ నెట్‌వర్క్. చిత్రాలను “ఫిల్టర్ చేయని, చాలా వైవిధ్యమైన మరియు చాలా ధ్వనించే డేటా” నుండి విభిన్నమైన వర్గాలుగా వర్గీకరించడానికి ఇది మరింత ఖచ్చితంగా మరియు సమర్థవంతంగా సహాయపడుతుంది. దృశ్య వర్గీకరణ కోసం ఇప్పటికే ఉన్న చాలా నమూనాలు చేసినట్లుగా, క్యూరేటెడ్ డేటాసెట్ నుండి చిత్రాలను ఇది గుర్తించదు. CLIP ఇంటర్నెట్‌లో అందుబాటులో ఉన్న అనేక రకాల సహజ భాషా పర్యవేక్షణపై శిక్షణ పొందింది. అందువల్ల, డేటాసెట్ నుండి ట్యాగ్ చేయబడిన ఒకే పదం కంటే వివరణాత్మక వివరణ నుండి చిత్రంలో ఉన్నదాన్ని CLIP తెలుసుకుంటుంది.

గుర్తించదగిన దృశ్య వర్గాల పేర్లను అందించడం ద్వారా ఏదైనా దృశ్య వర్గీకరణ బెంచ్‌మార్క్‌కు CLIP వర్తించవచ్చు. OpenAI బ్లాగ్ ప్రకారం, CLIP GPT-2 మరియు GPT-3 యొక్క “జీరో-షాట్” లక్షణాలతో సమానంగా ఉంటుంది.

DALL · E మరియు CLIP వంటి మోడళ్లు గణనీయమైన సామాజిక ప్రభావానికి అవకాశం ఉంది. ఈ వృత్తులు కొన్ని వృత్తులపై ఆర్థిక ప్రభావం, మోడల్ ఫలితాల్లో పక్షపాతానికి గల సామర్థ్యం మరియు ఈ సాంకేతిక పరిజ్ఞానం సూచించిన దీర్ఘకాలిక నైతిక సవాళ్లు వంటి సామాజిక సమస్యలతో ఈ నమూనాలు ఎలా సంబంధం కలిగి ఉన్నాయో విశ్లేషించనున్నట్లు ఓపెన్‌ఐఐ బృందం తెలిపింది.

DALL · E వంటి ఉత్పాదక కృత్రిమ మేధస్సు యొక్క నమూనా ఇంటర్నెట్ నుండి నేరుగా చిత్రాలను సేకరిస్తుంది, ఇది అనేక కాపీరైట్ ఉల్లంఘనలకు మార్గం సుగమం చేస్తుంది. DALL · E ఇంటర్నెట్‌లో ఇప్పటికే ఉన్న చిత్రం యొక్క ఏదైనా దీర్ఘచతురస్రాకార ప్రాంతాన్ని పునరుత్పత్తి చేయగలదు. మరియు ప్రజలు వక్రీకరించిన చిత్రాల లక్షణం మరియు కాపీరైట్ గురించి ట్వీట్ చేశారు.


2021 యొక్క అత్యంత ఉత్తేజకరమైన టెక్ లాంచ్ ఏది? ఆపిల్ పోడ్‌కాస్ట్, గూగుల్ పోడ్‌కాస్ట్ లేదా ఆర్‌ఎస్‌ఎస్ ద్వారా మీరు చందా పొందవచ్చు, ఎపిసోడ్‌ను డౌన్‌లోడ్ చేసుకోవచ్చు లేదా క్రింద ఉన్న ప్లే బటన్‌ను నొక్కండి.



Source link