ERNIE-ViLG 2.0: Nowy model zamiany tekstu na obraz firmy Baidu przewyższa Dalle-2 i Stable Diffusion
W skrócie
Zarówno Dalle-2, jak i Stable Diffusion były znacznie lepsze od ERNIE-ViLG 2.0
ERNIE-ViLG 2.0 to model zamiany tekstu na obraz, który oferuje lepszą wydajność niż Dalle-2 i Stable Diffusion, dwa z najpopularniejszych obecnie dostępnych modeli zamiany tekstu na obraz. Nowy model został zaprojektowany i przeszkolony przez zespół naukowców z Baidu, a wyniki zapierają dech w piersiach.
Wyniki wykazały, że ERNIE-ViLG 2.0 znacznie przewyższał Dalle-2 i Stable Diffusion. Jest to znaczące osiągnięcie i pokazuje siłę struktury ERNIE. The Metaverse Post zespół porównał ERNIE-ViLG 2.0 z Stable Diffusion poniżej:
Wyniki te stanowią mocne wsparcie dla hipotezy, że ERNIE-ViLG 2.0 jest bardziej skuteczny systemu zamiany tekstu na obraz niż zarówno Dalle-2, jak i Stable Diffusion.
Architektura Unet z Stable Diffusion przyjmuje się jako podstawę, ale ze zmianami:
- Mieszanka ekspertów od usuwania szumów: Istnieje 10 sieci neuronowych zamiast jednej, z których każda jest odpowiedzialna tylko za określone etapy dyfuzji.
- Znajomość tekstu: Automatycznie ponownie zważono słowa w zapytaniu, aby słowa kluczowe miały większą wagę.
- Wiedza wizualna: Podczas treningu wykrywano obiekty na wynikach generacji pośredniej i zwiększono wagę funkcji utraty na obszarach z obiektami.
W rezultacie największy na świecie model zamiany tekstu na obraz wyszedł z 24 miliardami parametrów (10 razy większymi niż SD) do trenowania modelu.
W porównaniu do wcześniejszych modeli, ERNIE-ViLG 2.0 znacznie je przewyższa pod względem jakości obrazu i dopasowania obrazu do tekstu, gdy testowano go jednocześnie na dwujęzycznym modelu ViLG-300 podpowiedź ustawione przez osobę.
Podpowiedzi są automatycznie tłumaczone z chińskiego na angielski w programie Przytulanie twarzy publiczne demo przed wysłaniem do sztucznej inteligencji. Wynika z tego wiele funkcji.
- ERNIE nie zna międzynarodowych osób publicznych. Na przykład ERNIE nie zna Arnolda Schwarzeneggera. Z pewnością ma lokalnych faworytów w Chinach.
- W rezultacie metoda wykorzystywania nazwisk gwiazd w podpowiedziach radykalnie podnosi jakość twarze zawiedzie.
- Możesz spodziewać się pewnych zniekształceń z powodu tłumaczenia z chińskiego, więc jeśli nie mówisz po chińsku, mogą cię czekać pewne niespodzianki.
- Nie wie nawet nic o Gregu Rutkowskim.
Przeczytaj powiązane artykuły:
Odpowiedzialność
Zgodnie z Zaufaj wytycznym projektu, należy pamiętać, że informacje zawarte na tej stronie nie mają na celu i nie powinny być interpretowane jako porady prawne, podatkowe, inwestycyjne, finansowe lub jakiekolwiek inne formy porad. Ważne jest, aby inwestować tylko tyle, na utratę czego możesz sobie pozwolić, a w przypadku jakichkolwiek wątpliwości zasięgnąć niezależnej porady finansowej. Aby uzyskać więcej informacji, sugerujemy zapoznać się z warunkami oraz stronami pomocy i wsparcia udostępnianymi przez wydawcę lub reklamodawcę. MetaversePost zobowiązuje się do sporządzania dokładnych i bezstronnych raportów, jednakże warunki rynkowe mogą ulec zmianie bez powiadomienia.
O autorze
Damir jest liderem zespołu, menedżerem produktu i redaktorem w Metaverse Post, obejmujący takie tematy, jak AI/ML, AGI, LLM, Metaverse i Web3-pokrewne pola. Jego artykuły przyciągają każdego miesiąca ogromną publiczność, liczącą ponad milion użytkowników. Wydaje się być ekspertem z 10-letnim doświadczeniem w SEO i marketingu cyfrowym. Damir został wspomniany w Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto i inne publikacje. Jako cyfrowy koczownik podróżuje między ZEA, Turcją, Rosją i WNP. Damir uzyskał tytuł licencjata z fizyki, co jego zdaniem dało mu umiejętności krytycznego myślenia potrzebne do odniesienia sukcesu w ciągle zmieniającym się środowisku internetowym.
Więcej artykułów
Damir jest liderem zespołu, menedżerem produktu i redaktorem w Metaverse Post, obejmujący takie tematy, jak AI/ML, AGI, LLM, Metaverse i Web3-pokrewne pola. Jego artykuły przyciągają każdego miesiąca ogromną publiczność, liczącą ponad milion użytkowników. Wydaje się być ekspertem z 10-letnim doświadczeniem w SEO i marketingu cyfrowym. Damir został wspomniany w Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto i inne publikacje. Jako cyfrowy koczownik podróżuje między ZEA, Turcją, Rosją i WNP. Damir uzyskał tytuł licencjata z fizyki, co jego zdaniem dało mu umiejętności krytycznego myślenia potrzebne do odniesienia sukcesu w ciągle zmieniającym się środowisku internetowym.
