A Google az Imagen 3 segítségével válaszol a DALL-E 2 kihívásaira
A Google DeepMind legújabb generatív AI-kutatásán alapul.
1 perc olvas
Publikálva
Ossza meg ezt a cikket
Javítsa ezt az útmutatót
Olvassa el közzétételi oldalunkat, hogy megtudja, hogyan segítheti az MSPowerusert a szerkesztői csapat fenntartásában Tovább
Főbb megjegyzések
- A Google Cloud ma bemutatja az Imagen 2-t, a szöveg-kép technológiájának legújabb iterációját.
- A modell szövegek és képek hatalmas adathalmazára van kiképezve.
- Az eredeti Imagennél nagyobb felbontású, részletesebb és valósághűbb megvilágítású képeket készíthet.
A Google Cloud az ma bejelentették az Imagen 2-t, a szöveg-kép technológiájának legújabb iterációja. És ebből a szempontból ez lehet a versenytársa Az OpenAI DALL-E 3 amely a Bing Image Creatort hatalmazza fel.
Az Imagen 2 a Google DeepMind generatív mesterséges intelligencia terén végzett legújabb kutatásán alapul. A modell szövegek és képek hatalmas adathalmazára van kiképezve, és ezeket az adatokat használja fel arra, hogy megtanulja, hogyan fordíthatja le a szöveges leírásokat megfelelő képekké.
"A Vertex AI-n lévő Imagen 2 lehetővé teszi ügyfeleink számára, hogy személyre szabják és telepítsék az Imagen 2-t intuitív eszközökkel, teljes körűen felügyelt infrastruktúrával, valamint beépített adatvédelmi és biztonsági funkciókkal" - áll a cég hivatalos közleményében.
A Google bemutatja, hogy az Imagen 2 különféle promptokból képes képeket generálni, beleértve a valós tárgyak, jelenetek és fogalmak leírását.
A technológiai óriás szerint a modell az eredeti Imagennél nagyobb felbontású, részletesebb és valósághűbb megvilágítású képeket is képes generálni. Még pontosabb, ha szöveget, logókat és egyéb objektumokat jelenít meg a képeken.
„Az Imagen 2 átfogó biztonsági szűrőket is tartalmaz, amelyek segítenek megelőzni a potenciálisan káros tartalmak keletkezését” – nyugtat meg a vállalat.
Ezt a modellt kipróbálhatja a Google Cloud webhelyén.
