ERNIE-ViLG 2.0: Den nye tekst-til-billede-model fra Baidu overgår Dalle-2 og Stable Diffusion
Kort sagt
Både Dalle-2 og Stable Diffusion blev markant bedre end ERNIE-ViLG 2.0
ERNIE-ViLG 2.0 er en tekst-til-billede model, der giver bedre ydeevne end Dalle-2 og Stable Diffusion, to af de mest populære tekst-til-billede-modeller, der er tilgængelige i øjeblikket. Den nye model er designet og trænet af et team af forskere fra Baidu, og resultaterne er betagende.
Resultaterne viste, at ERNIE-ViLG 2.0 klarede sig markant bedre end Dalle-2 og Stable Diffusion. Dette er en betydelig præstation og demonstrerer styrken i ERNIE-rammen. Det Metaverse Post team sammenlignede ERNIE-ViLG 2.0 med Stable Diffusion nedenfor:
Disse resultater giver stærk støtte til hypotesen om, at ERNIE-ViLG 2.0 er en mere effektiv tekst-til-billede system end både Dalle-2 og Stable Diffusion.
Unet-arkitekturen fra Stable Diffusion tages som udgangspunkt, men med ændringer:
- En blanding af denoising-eksperter: Der er 10 neurale netværk i stedet for kun ét, hvor hver kun er ansvarlig for visse diffusionstrin.
- Tekstkendskab: Omvægtede automatisk ordene i forespørgslen, så søgeord får mere vægt.
- Visuel viden: Under træning blev objekter detekteret på mellemgenerationsresultater, og vægten af tabsfunktionen på regioner med objekter blev øget.
Som et resultat, verdens største tekst-til-billede model kom ud med 24 milliarder parametre (10 gange større end SD) for at træne modellen.
I sammenligning med tidligere modeller overgår ERNIE-ViLG 2.0 dem meget med hensyn til billedkvalitet og billed-til-tekst-matchning, når de testes samtidigt på ViLG-300 tosproget prompt sat af en person.
Prompts oversættes simpelthen automatisk fra kinesisk til engelsk i KrammerFace offentlig demo, før den sendes ind i AI. En masse funktioner kommer fra dette.
- ERNIE kender ikke internationale offentlige personer. For eksempel kender ERNIE ikke Arnold Schwarzenegger. Det har bestemt lokale favoritter i Kina.
- Som følge heraf vil metoden med at bruge berømthedsnavne i prompter til dramatisk at øge kvaliteten af ansigter mislykkes.
- Du kan forvente en vis forvrængning på grund af oversættelsen fra kinesisk, så der kan være nogle overraskelser i vente, hvis du ikke taler kinesisk.
- Den ved ikke engang noget om Greg Rutkowski.
Læs relaterede artikler:
Ansvarsfraskrivelse
I tråd med den Trust Project retningslinjer, bemærk venligst, at oplysningerne på denne side ikke er beregnet til at være og ikke skal fortolkes som juridiske, skattemæssige, investeringsmæssige, finansielle eller nogen anden form for rådgivning. Det er vigtigt kun at investere, hvad du har råd til at tabe, og at søge uafhængig finansiel rådgivning, hvis du er i tvivl. For yderligere information foreslår vi at henvise til vilkårene og betingelserne samt hjælpe- og supportsiderne fra udstederen eller annoncøren. MetaversePost er forpligtet til nøjagtig, objektiv rapportering, men markedsforholdene kan ændres uden varsel.
Om forfatteren
Damir er teamleder, produktchef og redaktør på Metaverse Post, der dækker emner som AI/ML, AGI, LLM'er, Metaverse og Web3-relaterede felter. Hans artikler tiltrækker et massivt publikum på over en million brugere hver måned. Han ser ud til at være en ekspert med 10 års erfaring i SEO og digital markedsføring. Damir er blevet nævnt i Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto og andre publikationer. Han rejser mellem UAE, Tyrkiet, Rusland og SNG som en digital nomade. Damir tog en bachelorgrad i fysik, som han mener har givet ham de kritiske tænkningskompetencer, der er nødvendige for at få succes i internettets evigt skiftende landskab.
Flere artikler
Damir er teamleder, produktchef og redaktør på Metaverse Post, der dækker emner som AI/ML, AGI, LLM'er, Metaverse og Web3-relaterede felter. Hans artikler tiltrækker et massivt publikum på over en million brugere hver måned. Han ser ud til at være en ekspert med 10 års erfaring i SEO og digital markedsføring. Damir er blevet nævnt i Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto og andre publikationer. Han rejser mellem UAE, Tyrkiet, Rusland og SNG som en digital nomade. Damir tog en bachelorgrad i fysik, som han mener har givet ham de kritiske tænkningskompetencer, der er nødvendige for at få succes i internettets evigt skiftende landskab.
