DALL·E : टेक्स्ट से इमेज बनाना
(openai.com)-
GPT-3 का 12 अरब पैरामीटर वाला वर्ज़न
-
टेक्स्ट-इमेज जोड़ों वाले डेटा सेट का उपयोग करके इसे इस तरह प्रशिक्षित किया गया कि यह टेक्स्ट विवरण से इमेज बना सके
-
यह कई तरह की क्षमताएँ दिखाता है, जैसे जानवरों और वस्तुओं के मानवरूप संस्करण बनाना, असंबंधित अवधारणाओं को विश्वसनीय तरीके से जोड़ना, टेक्स्ट रेंडरिंग करना, या मौजूदा इमेज में बदलाव करना
→ विशेषता नियंत्रण : आकार, रंग, सामग्री, दिखने की संख्या आदि
→ कई ऑब्जेक्ट एक साथ बनाना और उनके संबंध दिखाना
→ परिप्रेक्ष्य दिखाना और 3D विज़ुअलाइज़ेशन
→ आंतरिक और बाहरी संरचना दिखाना : अखरोट का अंदरूनी हिस्सा, brain coral आदि
→ संदर्भ के अनुसार बारीक विवरण का अनुमान : जैसे स्थिति के अनुरूप छाया दिखाना, या style/setting/time बदलकर अभिव्यक्ति करना
→ फैशन और इंटीरियर डिज़ाइन
→ पूरी तरह असंबंधित अवधारणाओं को मिलाना : harp से बना घोंघा, avocado आकार की कुर्सी
→ Zero-shot visual reasoning
→ भौगोलिक/समय जानकारी के आधार पर इमेज बनाना
- DALL·E टेक्स्ट के 256 और इमेज के 1024 टोकन को एक single stream के रूप में लेकर autoregressive तरीके से मॉडल करने वाला एक सरल Decoder-only transformer है
1 टिप्पणियां
अरे वाह, यह तो कमाल की चीज़ है। उस दिन का इंतज़ार है जब यह रोज़मर्रा की ज़िंदगी में शामिल होगा।