GLIGEN: nuevo modelo de generación de texto a imagen congelado con cuadro delimitador
En Resumen
GLIGEN, o Grounded-Language-to-Image Generation, es una técnica novedosa que se basa y amplía la capacidad de los modelos de difusión pre-entrenados actuales.
Con entradas de condiciones de subtítulos y cuadros delimitadores, el modelo GLIGEN genera text2img conectado a tierra de mundo abierto.
GLIGEN puede generar una variedad de objetos en lugares y estilos específicos aprovechando el conocimiento de un modelo text2img previamente entrenado.
GLIGEN también puede poner a tierra puntos clave humanos mientras genera texto a imágenes.
Los modelos de difusión de texto a imagen a gran escala han recorrido un largo camino. Sin embargo, la práctica actual es confiar únicamente en la entrada de texto, lo que puede limitar la capacidad de control. GLIGEN, o Grounded-Language-to-Image Generation, es una técnica novedosa que se basa y amplía la capacidad de los modelos actuales de difusión de texto a imagen preentrenados al permitir que se condicionen en entradas de tierra.
Para mantener el amplio conocimiento del concepto del modelo preentrenado, los desarrolladores congelan todos sus pesos y bombean la información de puesta a tierra en nuevas capas entrenables a través de un proceso controlado. Con entradas de condición de subtítulos y cuadros delimitadores, el modelo GLIGEN genera texto a imagen conectado a tierra de mundo abierto, y la capacidad de conexión a tierra se generaliza de manera efectiva a configuraciones y conceptos espaciales novedosos.
Primero eche un vistazo al sitio web de la página manifestación haga clic aquí
- GLIGEN se basa en sistemas pre-entrenados existentes modelos de difusión, cuyos pesos originales se han congelado para retener cantidades masivas de conocimiento preentrenado.
- En cada bloque de transformador, se crea una nueva capa de autoatención cerrada entrenable para absorber la entrada de conexión a tierra adicional.
- Cada token de conexión a tierra tiene dos tipos de información: información semántica sobre la cosa conectada a tierra (texto o imagen codificados) e información de posición espacial (cuadro delimitador codificado o puntos clave).
Artículo relacionado: VToonify: un modelo de IA en tiempo real para generar videos de retratos artísticos |
Artículo relacionado: Microsoft ha lanzado un modelo de difusión que puede construir un avatar 3D a partir de una sola foto de una persona. |
Lea más sobre la IA:
Observación
En línea con la Directrices del Proyecto Confianza, tenga en cuenta que la información proporcionada en esta página no pretende ser ni debe interpretarse como asesoramiento legal, fiscal, de inversión, financiero o de cualquier otro tipo. Es importante invertir sólo lo que pueda permitirse perder y buscar asesoramiento financiero independiente si tiene alguna duda. Para mayor información sugerimos consultar los términos y condiciones así como las páginas de ayuda y soporte proporcionadas por el emisor o anunciante. MetaversePost se compromete a brindar informes precisos e imparciales, pero las condiciones del mercado están sujetas a cambios sin previo aviso.
Sobre el Autor
Damir es el líder del equipo, gerente de producto y editor en Metaverse Post, que cubre temas como AI/ML, AGI, LLM, Metaverse y Web3-campos relacionados. Sus artículos atraen una audiencia masiva de más de un millón de usuarios cada mes. Parece ser un experto con 10 años de experiencia en SEO y marketing digital. Damir ha sido mencionado en Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto y otras publicaciones. Viaja entre los Emiratos Árabes Unidos, Turquía, Rusia y la CEI como nómada digital. Damir obtuvo una licenciatura en física, que él cree que le ha dado las habilidades de pensamiento crítico necesarias para tener éxito en el panorama siempre cambiante de Internet.
Más artículosDamir es el líder del equipo, gerente de producto y editor en Metaverse Post, que cubre temas como AI/ML, AGI, LLM, Metaverse y Web3-campos relacionados. Sus artículos atraen una audiencia masiva de más de un millón de usuarios cada mes. Parece ser un experto con 10 años de experiencia en SEO y marketing digital. Damir ha sido mencionado en Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto y otras publicaciones. Viaja entre los Emiratos Árabes Unidos, Turquía, Rusia y la CEI como nómada digital. Damir obtuvo una licenciatura en física, que él cree que le ha dado las habilidades de pensamiento crítico necesarias para tener éxito en el panorama siempre cambiante de Internet.