- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI算法能力提高班
DALL-E3 | （2）原理
DALL-E 3 建立在 DALL-E 2的基础上，提高了字幕保真度和图像质量。 GAP） 1.1 Mitigation Stack 数据过滤：暴力等不健康的内容 过滤算法：在DALL-E 2基础上，降低了暴力等宽泛过滤阈值。 2 上的工作、主动风险发现和早期用户的结果，维护了各种类别的文本屏蔽列表 提示转化：ChatGPT 可改写已提交的文本，以便更有效地进行提示 DALL-E 3 更有效。 2 Deployment Preparation 早起版本中先测试，分析了这些部署所产生的数据，以进一步改进 DALL-E 3 在风险领域的行为，如公众人物世代、人口偏见和sexual内容。 3 体验入口 微软的Bing浏览器可以，但是国内被屏蔽 https://bing.com/chat https://cn.bing.com/create 4 改进总结 DALL-E 2 原理 CLIP
93330编辑于 2023-10-23 - 来自专栏DeepHub IMBA
DALL·E-2是如何工作的以及部署自己的DALL·E模型
DALL·E-2可以通过自然语言的描述创建现实的图像。Openai发布了dall·e-2的Beta版。在本文中，我们将仔细研究DALL·E-2的原始研究论文，并了解其确切的工作方式。 DALL·E-2论文要点 DALL·E-2基于以前提出的unCLIP模型，而unCLIP模型本质上是对GLIDE模型[4]的增强版，通过在文本到图像生成流程中添加基于预训练的CLIP模型的图像嵌入。 p（x | y）= p（x | y，zₜ）= p（x |zᵢ，y）p（zᵢ| y，zₜ） 训练细节 使用CLIP数据[3]和DALL-E[2]数据(共计650M图像)进行训练。 DALL·E Mega dall·e Mega是Dall·e Mini的超大版本（超大杯），这意味着它们的体系结构相似，但参数更多。 总结 这篇文章介绍DALL·E-2论文的一些要点，并且演示了如何使用Meadowrun来部署他的一个开源版本的实现，如果你有兴趣，可以按照我们提供的流程搭建一个属于自己的图像生成服务。
3.8K20编辑于 2022-11-11 DALL·E 3
DALL·E 2及以前版本: 在DALL·E 2及之前的版本中，用户需要自己编写提示，这对普通用户来说可能是一个挑战，同时也影响了生成效率和图像的最终质量。 DALL·E 2及以前版本: 虽然DALL·E 2已经能够生成高质量的图像，但在细节和微妙差别的处理上，仍然无法与DALL·E 3相提并论。 DALL·E 2及以前版本: 对于不熟悉技术的用户来说，DALL·E 2的使用可能较为复杂，需要一定的学习和适应过程。 DALL·E 2及以前版本: DALL·E 2虽然也具备高度的创新能力，但在生成独特和多样化内容的能力上，仍然有一定的局限性。 DALL·E 2及以前版本: DALL·E 2虽然已开始在这些领域有所应用，但其影响力和效率与DALL·E 3相比还有一定的差距。
89110编辑于 2024-08-15- 来自专栏机器学习与生成对抗网络
简洁生动 | 图解 DALL-E 2 工作原理
总体来说，DALL-E 2 的亮点如下： 1. 首先，DALL-E 2 展示了深度学习中扩散模型（Diffusion Model）的强大功能，因为 DALL-E 2 中的先验和图像生成子模型都是基于扩散的。 这一点并非源于 DALL-E 2，但重要的是认识到， DALL-E 2 的力量是源于可在互联网上获得大规模匹配的自然语言 / 图像数据。 DALL-E 2 的工作原理：鸟瞰图 在深入了解 DALL-E 2 的工作原理之前，让我们先大致了解一下 DALL-E 2 如何生成图像。 虽然 DALL-E 2 可以执行各种任务，包括上面提到的图像处理和插值，但我们将在本文中专注于图像生成任务。 在最高级别，DALL-E 2 的工作非常简单： 1.
2K20编辑于 2022-05-27 - 来自专栏AIGC
【AI绘画】DALL·E 3 绘图功能与 DALL·E API 探索
DALL·E 3 是人工智能领域的一次重要突破，赋能用户实现创意与效率的双重提升。 DALL·E 3 DALL·E 3 图像生成介绍 DALL·E 3 是 OpenAI 推出的全新图像生成模型，它在文本理解能力和图像生成质量上达到了一个新的高度。 DALL·E 图像质量与分辨率 分辨率的基本介绍 DALL·E 3 默认生成的图像尺寸为 1024x1024 像素。 使用 DALL·E 编辑器界面 编辑器界面概述 DALL·E 编辑器 提供了一个直观且易于操作的界面，用户可以： 选择图像的特定区域并应用不同的编辑操作。 1': 0.8, 'conv3_1': 0.5, 'conv4_1': 0.3, 'conv5_1': 0.1}; content_weight = 1e4; style_weight = 1e2; optimizer
2.8K11编辑于 2025-06-02 - 来自专栏DevOps
AIGC：DALL·E 2、Midjourney和 Stable Diffusion 产品对比
截止目前为止，三个最流行的AI作画产品是 Stable Diffusion、Midjourney和 DALL·E 2。 一、DALL·E2 DALL·E2由 OpenAI开发，目前产品版本处于 beta 阶段。 1.如何使用 ① 文本提示作图 在 DALL·E2 中，可以使用 『文本到图像』和『文本引导的图像到图像』生成算法生成图像。 ③ 分辨率和格式 在 DALL·E2 中，所有生成的图像都具有 1024 x 1024 的固定图像大小 。 ·E2：https://openai.com/dall-e-2/ OpenAI：https://openai.com/ Midjourney：https://www.midjourney.com
2.3K10编辑于 2024-03-29 - 来自专栏AI科技评论
DALL-E 2的工作原理原来是这样！
“一碗汤是另一个次元的入口” 图源：https://openai.com/dall-e-2/ DALL-E 2不仅能按用户指令生成明明魔幻，却又看着十分合理不明觉厉的图片。 感觉有了DALL-E 2，艺术家都可以下岗了。 DALL-E 2目前曝光的功能令人瞠目结舌，不禁激起了众多AI爱好者的讨论，这样一个强大模型，它的工作原理到底是什么？！ GLIDE对于DALL-E 2的意义 GLIDE对于DALL-E 2亦很重要，因为GLIDE能够将自己按照文本生成逼真图像的功能移植到DALL-E 2上去，而无需在表示空间中设置图像编码。 DALL-E 2图像生成流程的高级概述 修改自图源：https://arxiv.org/abs/2204.06125 以上就是DALL-E 2的工作原理啦~ 希望大家能注意到DALL-E 2开发的3个关键要点 ： DALL-E 2体现了扩散模型在深度学习中的能力，DALL-E 2中的先验子模型和图像生成子模型都是基于扩散模型的。
1.5K20编辑于 2022-04-21 - 来自专栏AI算法能力提高班
DALL-E3 | （1）简介
DALL-E3 project https://openai.com/dall-e-3 paper https://cdn.openai.com/papers/DALL_E_3_System_Card.pdf ---- Abstract DALL-E 3 能够理解的细微差别和细节明显多于我们以前的dalle1/2系统，让您可以轻松地将您的想法转化为异常精确的图像。 DALL-E 3 代表着我们在生成与您提供的文本完全一致的图像能力方面的一次飞跃。 与 DALL-E 2 一样，您使用 DALL-E 3 创建的图片归您所有，您无需获得我们的许可即可对其进行转载、销售或商品化。 新版 DALL-E 3 已将生成此类图像的风险降低到 0.7%。不过，OpenAI 写道，DALL-E 3 仍然存在文化偏见，总体上偏向西方文化，尤其是在非特定查询方面。
77930编辑于 2023-10-16 - 来自专栏DevOps
AIGC：DALL·E 2， Stable Diffusion和 Midjourney工作原理简介
文本转图像的AI工具有许多，但最突出的就属DALLE 2、Stable Diffusion和Midjourney了。 DALL·E 2 DALL-E 2由OpenAI开发，它通过一段文本描述生成图像。 夜晚的云端城堡，电影般的画面 - 图片由Midjourney生成 DALL-E 2原理 DALL-E 2主要由两部分组成——将用户输入转换为图像的表示（称为Prior），然后是将这种表示转换为实际的照片 它所做的事情与DALL-E 2所做的相反——它是将图像转换为文本，而DALL-E 2是将文本转换为图像。引入CLIP的目的是为了学习物体的视觉和文字表示之间的联系。 DALL-E 2的工作是训练两个模型。第一个是Prior，接受文本标签并创建CLIP图像嵌入。第二个是Decoder，其接受CLIP图像嵌入并生成图像。 技术对比 DALL-E 2使用数以百万计的图片数据进行训练，其输出结果更加成熟，非常适合企业使用。
1.6K10编辑于 2024-03-29 - 来自专栏数据科学（冷冻工厂）
Python| 如何使用 DALL·E 和 OpenAI API 生成图像(2)
OpenAI 推出的 DALL·E 工具，因其能生成令人惊叹的艺术作品和逼真的图像而广受欢迎。 你可以通过 OpenAI 的 API 访问 DALL·E，这样你就可以将它的功能集成到你的 Python 程序中。 Path.cwd() / "responses" DATA_DIR.mkdir(exist_ok=True) response = client.images.generate( model="dall-e 那么，你确定由 DALL·E 创建的那张最佳图像在哪里呢？ 它就在那里，只是目前它是以 Base64 编码的形式存在的，这对于人类来说可不太方便查看。 创建图像的变体 如果你手头有一张图像——无论它是机器生成的还是其他来源——它与你想要的相似，但又不完全符合要求，那么你可以利用 OpenAI 的 DALL·E 2 潜在扩散模型来创建它的变体。
2.1K10编辑于 2024-12-30 - 来自专栏掘金安东尼
剖析 AIGC 关键模型 —— DALL-E
什么是 DALL-E ？ 该模型说白了就是可以根据用户提供的文本描述自动生成对应的图像，由 OPEN-AI 发布； 本文将对 DALL-E 的技术原理、应用场景和优缺点进行深入解析~~ 技术原理 DALL-E 的技术原理主要基于 编码阶段 DALL-E的工作原理可以分为两个步骤：编码和解码。 在编码阶段，DALL-E 将输入的文字转换为向量表示。这里使用的是GPT-3模型，即利用大规模文本数据训练出来的预训练语言模型。 优： 1、DALL-E 的优点是可以根据用户提供的文本描述自动生成对应的图像，可以大大提高图像的生成效率。 2、DALL-E还可以生成一些非常奇特的图像，激发想象力，只有你想不到，没有它做不到。 缺： 1、DALL-E 的缺点是目前还存在一些生成图像的错误，比如生成的图像与文本描述不符合。 2、DALL-E的计算资源消耗也非常大，需要使用大量的GPU进行训练和生成。
96540编辑于 2023-05-23 - 来自专栏机器之心
简洁、生动，图解「老画师」DALL-E 2的工作原理
总体来说，DALL-E 2 的亮点如下： 1. 首先，DALL-E 2 展示了深度学习中扩散模型（Diffusion Model）的强大功能，因为 DALL-E 2 中的先验和图像生成子模型都是基于扩散的。 这一点并非源于 DALL-E 2，但重要的是认识到， DALL-E 2 的力量是源于可在互联网上获得大规模匹配的自然语言 / 图像数据。 DALL-E 2 的工作原理：鸟瞰图 在深入了解 DALL-E 2 的工作原理之前，让我们先大致了解一下 DALL-E 2 如何生成图像。 虽然 DALL-E 2 可以执行各种任务，包括上面提到的图像处理和插值，但我们将在本文中专注于图像生成任务。 在最高级别，DALL-E 2 的工作非常简单： 1.
1.6K50编辑于 2022-04-24 - 来自专栏开源心路
OpenAI DALL-E 3 使用案例
背景 DALL・E 3 是 OpenAI 在 2023 年 9 月份发布的一个文生图模型。 与上一代模型 DALL・E 2 最大的区别在于，它可以利用 ChatGPT 生成提示（prompt），然后让模型根据该提示生成图像。 对于不擅长编写提示的普通人来说，这一改进大大提高了 DALL・E 3 的使用效率。 优点缺点 优点: 生成图像质量更高更清晰细致,相比DALL·E 2有显著提升。 与DALL·E 2相比,价格更高。 无法提供生成过程的细节控制。 可能被用来生产虚假信息或仿冒作品。 数据集存在某些偏见,可能会对特定群体产生负面影响。 对生成图像的内容无法进行细粒度控制。 friend is dressed in casual, summery clothes, adding to the relaxed and joyful atmosphere of the scene. 2.
92410编辑于 2023-12-18 - 来自专栏贾志刚-OpenCV学堂
GPT-3+DALL-E 2 = 海量带标签数据自动生成 ？
与此同时，OpenAI最近更新了多模态模型DALL-E 2，只要能给出一段文本描述，模型就能生成对应的图像。 报告认为2022年合成数据的研究将取得突破性进展，现在看来，DALL-E 2或许是开出的第一枪。 如果用DALL-E 2该怎么解决斑点狗数据量不足的问题？ 1、正常使用（Vanilla use），将类的名称作为文本提示的一部分反馈给DALL-E，并将生成的图像添加到该类的标签中。 也就是可以编写一个脚本，将数据集中的所有现成图像都作为DALL-E 2的输入，为每个类别生成几十种变化。 5、图像修复。 除了生成更多的训练数据，使用DALL-E 2的一个好处是，新生成的图像已经被贴上了标签，无需再次标注一遍图像。
77030编辑于 2022-05-19 - 来自专栏算法一只狗
多模态逆天图片生成，OpenAI又一力作：DALL·E 2
✦ DALL . E 2：升级 ✦ 还记得2021年刷爆AI圈的DALL·E，它是基于文本token来生成超现实主义的图像，比如下面的牛油果形状的椅子。 最近，OpenAI基于其1.0版本进行了升级，发布了DALL·E 2。 ，得到预测概率 02 DALL.E 2具体方法 ✦ 在训练集上构成 ，其中 为图片， 为其说明文字。 在限制措施上，OpenAI限制了DALL·E 2生成暴力、仇恨或成人图像的能力。同时还使用了先进的技术来防止生成真实人物的脸，包括公众人物的脸照片生成。 这样将会有效的减少DALL.E 2工具的滥用。 目前DALL.E 2还处于测试阶段，OpenAI一直寻找外包专家合作，并将提供给一定量的可信任用户使用。
2K20编辑于 2022-11-04 - 来自专栏算法一只狗
文本图像生成：谷歌Imagen硬杠OpenAI的DALL.E 2
Imagen：文本到图像生成 还记得4月初刷爆AI圈的DALL.E 2吗？ 我们看一下这两个选手在统一命题下生成的图片效果： 盘旋牛绑架外星人（左图是Imagen，右图是DALL.E 2） 从生成的结果上说，两位AI选手各有千秋，其中DALL.E 2会生成偏向于漫画风格的图片 PS：DALL.E 2细节文章可以这里： 多模态逆天图片生成，OpenAI又一力作：DALL·E 2 因此Imagen主要利用了T5模型作为预训练模型，同时使用800GB的训练语料来进行预训练。 Imagen对比DALL.E 2 对比这两个较为出圈的模型，如果给出“一只马骑着一个宇航员”，这两个AI都会生成错误的图片： 而如果给出“一只熊猫在拉花”，则Imagen生成更符合文本的图片，而DALL.E OpenAI因此限制了DALL.E 2生成暴力、仇恨或成人图像。而谷歌还需要再做进一步的规范，来选择是否开源该AI工具。
1.1K20编辑于 2022-11-04 - 来自专栏量子位
OpenAI CEO谈AI画图明星DALL·E 2：技术突破不多，地气接了不少
没错，就是同时手握ChatGPT和DALL·E 2的OpenAI。 △图源：MIT科技评论 学会了哪的三件事 1、 DALL·E 2跨越了一个门槛，图像作品传播性出色 首先，谈及“DALL·E 2为什么产生了如此大的影响”，Sam认为： 因为DALL·E 2跨越了一个门槛 2、小小的改变，产生了大大的影响 至于DALL·E 2成功的过程经历，其中一点，大概可以用“一石激起千层浪”来形容。 3、 DALL·E 2与艺术家的关系需要改善，它很有潜力 最后，再来说说DALL·E 2对社会带来了哪些影响。 这个AI成功地惊艳了众人，但它带来的影响不完全是积极的。 另外，Sam认为，DALL·E 2对于整个社会来说，具有很大的效益和潜力。 他自己就用DALL·E 2对房子进行了改造，把AI创意用于建筑设计上，效果相当不错。
38210编辑于 2023-02-28 - 来自专栏DevOps
AIGC：Stable Diffusion、DALL-E、Imagen框架介绍
上述框架为通用框架，即均包含上述三个模块，例如 Stable Diffusion： DALL-E series： Imagen： 一、Encoder GPT、Bert 均可当作文字 Encoder，其对最终结果的影响非常大 FID (Fréchet Inception Distance) [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-dyaQKsg2-1687504893255)(C:\Users 将任意一张图片降采样得到一张小图，随后使用（小图，原图）的 pair 进行训练，如下所示： 如果 Decoder 的输入 Latent Representation（例如 Stable Diffusion 与 DALL-E Hung-yi Lee - 生成式 AI Stable Diffusion: High-Resolution Image Synthesis with Latent Diffusion Models DALL-E series: Zero-Shot Text-to-Image Generation DALL-E series: Hierarchical Text-Conditional Image Generation
55510编辑于 2024-03-29 - 来自专栏AI算法能力提高班
DALL-E3 | （3）字幕生成器
1 Abstract 文生图模型可以通过在高度描述性生成的图像字幕上训练来提升提示词能力 现存的研究主要是沿着详细的图像描述而忽略了单词和混淆提示（歧义），在数据集上表现为噪声和不准确，从而影响精度 DALL-E 图像中显示的文字 2.1 Building an image captioner i：image t：token Step 1 将输入的文本字符化，将离散的字符用序列表征，t = [t1, t2, . . . , tn] Step 2 构建一个语言模型 Model A ，最大化似然函数 L（t） image-20231025103038018 Step 3 在Model A 基础上构建 图像字幕生成器 因此，DALL-E3 可以在提供提示时生成文本。在测试过程中，我们注意到这种功能不够可靠，因为单词可能丢失或多余字符。 这对我们的文本到图像模型产生了下游影响：DALL-E3 在为上述特定术语生成图像方面不可靠
69520编辑于 2023-10-25 - 来自专栏机器学习与生成对抗网络
让AI画画 | 大神复现OpenAI的Dall-E
OpenAI今年1月公布的Dall-E可谓艳惊四座，只需输入一段话，就能根据内容输出一幅画。连吴恩达老师都不禁点赞。 比如让它设计一个“像牛油果一样的座椅”。 ? 不过现在有个好消息，一位华人小哥Philip Wang已经复现了一个PyTorch版Dall-E，叫做Deep Daze。 开发该项目的Philip Wang，就是在今年年初公布要复现Dall-E的那位大神，没想到不到3个月的时间，这个项目已经如此强大，在GitHub上已收获1.1k星。 ?
2.7K40发布于 2021-04-19
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号