ERNIE-ViLG 2.0: A Baidu új szöveg-kép modellje jobban teljesít, mint a Dalle-2 és Stable Diffusion
Röviden
Mind a Dalle-2, mind Stable Diffusion jelentősen felülmúlta az ERNIE-ViLG 2.0
ERNIE-ViLG 2.0 egy szöveg-kép modell, amely jobb teljesítményt nyújt, mint a Dalle-2 és Stable Diffusion, a jelenleg elérhető két legnépszerűbb szöveg-képmodell. Az új modellt a Baidu kutatóinak csapata tervezte és képezte ki, és az eredmények lélegzetelállítóak.
Az eredmények azt mutatták, hogy az ERNIE-ViLG 2.0 jelentősen felülmúlta a Dalle-2 és Stable Diffusion. Ez jelentős eredmény, és az ERNIE keretrendszer erejét mutatja. A Metaverse Post csapat összehasonlította az ERNIE-ViLG 2.0-val Stable Diffusion lent:
Ezek az eredmények erősen alátámasztják azt a hipotézist, hogy az ERNIE-ViLG 2.0 hatékonyabb szöveg-kép rendszer, mint mind a Dalle-2, mind a Stable Diffusion.
Az Unet architektúra a Stable Diffusion alapul vett, de változtatásokkal:
- Zajtalanító szakértők keveréke: Egy helyett 10 neurális hálózat létezik, amelyek mindegyike csak bizonyos diffúziós lépésekért felelős.
- Szövegismeret: Automatikusan átsúlyozta a szavakat a lekérdezésben, hogy a kulcsszavak nagyobb súlyt kapjanak.
- Vizuális tudás: A betanítás során a közbülső generációs eredményeken észleltek tárgyakat, és megnövelték a veszteségfüggvény súlyát az objektumokkal rendelkező területeken.
Ennek eredményeként a világ legnagyobb szöveg-kép modell 24 milliárd (az SD-nél 10-szer nagyobb) paraméterrel jött ki a modell betanításához.
A korábbi modellekhez képest az ERNIE-ViLG 2.0 jelentősen felülmúlja őket a képminőség és a kép-szöveg egyeztetés tekintetében, ha egyidejűleg tesztelik a ViLG-300 kétnyelvű készüléken. azonnali személy állítja be.
Az utasításokat a rendszer egyszerűen lefordítja kínairól angolra HuggingFace nyilvános demó, mielőtt elküldik az AI-ba. Ebből sok funkció fakad.
- ERNIE nem ismer nemzetközi közéleti személyiségeket. Például ERNIE nem ismeri Arnold Schwarzeneggert. Biztosan vannak helyi kedvencei Kínában.
- Ennek eredményeként a hírességek neveinek felhívásokban való használatának módszere drámai módon javítja a arcok sikertelen.
- Némi torzításra számíthatsz a kínai fordítás miatt, így ha nem beszélsz kínaiul, meglepetéseket tartogathatsz számodra.
- Nem is tud semmit Greg Rutkowskiról.
Olvassa el a kapcsolódó cikkeket:
A felelősség megtagadása
Összhangban a A Trust Project irányelvei, kérjük, vegye figyelembe, hogy az ezen az oldalon közölt információk nem minősülnek jogi, adózási, befektetési, pénzügyi vagy bármilyen más formájú tanácsnak, és nem is értelmezhetők. Fontos, hogy csak annyit fektessen be, amennyit megengedhet magának, hogy elveszítsen, és kérjen független pénzügyi tanácsot, ha kétségei vannak. További információkért javasoljuk, hogy tekintse meg a szerződési feltételeket, valamint a kibocsátó vagy hirdető által biztosított súgó- és támogatási oldalakat. MetaversePost elkötelezett a pontos, elfogulatlan jelentéstétel mellett, de a piaci feltételek előzetes értesítés nélkül változhatnak.
A szerzőről
Damir a csapat vezetője, termékmenedzsere és szerkesztője Metaverse Post, olyan témákkal foglalkozik, mint az AI/ML, AGI, LLMs, Metaverse és Web3- kapcsolódó mezők. Cikkei havonta több mint egymillió felhasználót vonzanak. Úgy tűnik, szakértő, aki 10 éves tapasztalattal rendelkezik a SEO és a digitális marketing területén. Damirt a Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto és más kiadványok. Digitális nomádként utazik az Egyesült Arab Emírségek, Törökország, Oroszország és a FÁK között. Damir fizikából szerzett bachelor-diplomát, és úgy gondolja, hogy ez megadta neki azokat a kritikus gondolkodási készségeket, amelyek szükségesek ahhoz, hogy sikeres legyen az internet folyamatosan változó táján.
További cikkek
Damir a csapat vezetője, termékmenedzsere és szerkesztője Metaverse Post, olyan témákkal foglalkozik, mint az AI/ML, AGI, LLMs, Metaverse és Web3- kapcsolódó mezők. Cikkei havonta több mint egymillió felhasználót vonzanak. Úgy tűnik, szakértő, aki 10 éves tapasztalattal rendelkezik a SEO és a digitális marketing területén. Damirt a Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto és más kiadványok. Digitális nomádként utazik az Egyesült Arab Emírségek, Törökország, Oroszország és a FÁK között. Damir fizikából szerzett bachelor-diplomát, és úgy gondolja, hogy ez megadta neki azokat a kritikus gondolkodási készségeket, amelyek szükségesek ahhoz, hogy sikeres legyen az internet folyamatosan változó táján.
