圖片來(lái)自網(wǎng)絡(luò )/侵刪

　　谷歌 AI 發(fā)布了一篇關(guān)于 Muse 的研究論文，這是一種新的文本至圖像生成技術(shù)，它基于掩碼生成(Masked Generative)Transformer，可以生成與 DALL-E 2和 Imagen 等競爭對手相媲美的高質(zhì)量圖片，但是速度要快得多。

　　Muse 被訓練為預測隨機掩碼圖像的 token，它會(huì )使用業(yè)已訓練過(guò)的大型語(yǔ)言模型所生成的嵌入式文本。這項工作涉及在離散的 token 空間中進(jìn)行掩碼建模。Muse 使用一個(gè) 9 億個(gè)參數的模型，稱(chēng)為掩碼生產(chǎn) transformer(masked generative transformer)，以創(chuàng )造視覺(jué)效果，而不是采用像素空間擴散或自回歸模型。

　　谷歌聲稱(chēng)，借助 TPUv4 芯片，可以在 0.5 秒內創(chuàng )建一個(gè) 256*256 的圖像，而使用 Imagen 則需要 9.1 秒，根據谷歌的說(shuō)法，Imagen 使用的擴散模型提供了“前所未有的逼真程度”和“深度的語(yǔ)言理解”。TPU，即張量處理單元(Tensor Processing Unit)，是谷歌開(kāi)發(fā)的定制芯片，專(zhuān)門(mén)用作 AI 的加速器。

　　根據研究，谷歌 AI 已經(jīng)訓練了一系列不同規模的 Muse 模型，參數從 6.32 億到 30 億不等，研究發(fā)現，預先訓練好的大型語(yǔ)言模型，對于生成逼真的高質(zhì)量圖像至關(guān)重要。

　　Muse 的性能也超過(guò)了最先進(jìn)的自回歸模型 Parti，因為它使用了并行解碼，在推理時(shí)間上比 Imagen-3B 或 Parti-3B 模型快 10 倍以上，根據使用同等硬件的測試，比 Stable Diffusion v1.4 快 3 倍。

　　Muse 創(chuàng )建的視覺(jué)效果與輸入中的各種語(yǔ)義成分相對應，如名詞、動(dòng)詞和形容詞。此外，它還展示了視覺(jué)風(fēng)格和多對象特性的知識，如合成性(compositionality)和基數(cardinality)。

　　近年來(lái)，由于新的訓練方法和改進(jìn)的深度學(xué)習架構，圖像生成模型有了長(cháng)足的進(jìn)步。這些模型有能力生成非常詳盡和逼真的圖像，在廣泛的行業(yè)和應用中，它們正在成為越來(lái)越強大的工具。
　?。?a href="http://www.hnsema.com">碼上科技）

蘋(píng)果代工廠(chǎng)和碩1月?tīng)I收12...

最后一頁(yè)