close
Ugrás a tartalomhoz

DALL-E

Ellenőrzött
A Wikipédiából, a szabad enciklopédiából
DALL·E
A DALL·E által készített kép a következő leírás alapján: „Plüssmedvék víz alatt az 1990-es évek technológiájával MI-kutatáson dolgoznak”
A DALL·E által készített kép a következő leírás alapján: „Plüssmedvék víz alatt az 1990-es évek technológiájával MI-kutatáson dolgoznak”
FejlesztőOpenAI
Első kiadás2021. január 5.
Elérhetőangol
Kategória
  • digital image model
  • text-to-image model
  • mesterségesintelligencia-modell
  • generatív előtanított transzformátor
  • deep learning software application
A DALL·E weboldala

A DALL-E (stilizálva: DALL·E) és a DALL-E 2 gépi tanuló mesterséges intelligenciák, amiket az OpenAI készített és képeket hoz létre egy szöveges leírás alapján. A DALL-E-t 2021 januárjában jelentette be az OpenAI és a GPT-3 egy verzióját használjak képek készítésére.[1] 2022 áprilisában az OpenAI bejelentette a DALL-E 2 kiadását, amivel az volt a céljuk, hogy valóságszerűbb képeket tudjanak generálni, jobb felbontásban.[2]

Az OpenAI nem adta ki egyik verzió forráskódját se, de részletei elérhetőek a cég hivatalos weboldalán.[1] A DALL-E 2 2022 júliusában érte el a béta fázist és 1 millió embert hívtak meg a tesztelésre.[3][4] Több imitációt is kiadtak más cégek, kisebb befektetésekkel és sokkal kevesebb adatforrással.[5][6][7]

A szoftver neve a WALL·E Pixar-karakter és Salvador Dalí spanyol művész nevén alapuló szóösszerántás.[1][8]

Technológia

[szerkesztés | forrásszöveg szerkesztése]

A Generative Pre-trained Transformer (GPT) modellt az OpenAI 2018-ban hozta létre.[9] Az első kiadás alapján hozták létre a GPT-2-t 2019-ben,[10] majd a GPT-3-t 2020-ban.[11] A DALL-E modellje a GPT-3 multimodális implementációja, ami „szöveget pixelekre cserél.”[1][12] A DALL-E 2 3,5 milliárd paramétert használ, ami kevesebb, mint elődje, 12 milliárddal.[13]

A DALL-E-t a CLIP-pel (Contrastive Language-Image Pre-training) együtt fejlesztették ki és jelentették be. A CLIP egy külön model, ami 400 millió képet tud összepárosítani szöveggel.[1][14][15] A fő feladata, hogy átnézze azokat a képeket, amiket a DALL-E létrehozott és kiválasztja közülük a leginkább megfelelő végeredményeket.[8][14]

Galéria

[szerkesztés | forrásszöveg szerkesztése]

A DALL-E (vagy DALL-E 2) által készített képek válogatása, azok leírásával

Jegyzetek

[szerkesztés | forrásszöveg szerkesztése]
  1. 1 2 3 4 5 Johnson, Khari (2021. január 5.). "OpenAI debuts DALL-E for generating images from text". VentureBeat (amerikai angol nyelven). Hozzáférés: 2022. szeptember 29..
  2. ↑ "DALL·E 2". OpenAI (angol nyelven). Hozzáférés: 2022. szeptember 29..
  3. ↑ "DALL·E Now Available in Beta". OpenAI (angol nyelven). 2022. július 20. Hozzáférés: 2022. szeptember 29..
  4. ↑ "Surreal or too real? Breathtaking AI tool DALL-E takes its images to a bigger stage". NPR.org (angol nyelven). Hozzáférés: 2022. szeptember 29..
  5. ↑ Marshall, Mo (2022. április 16.). "How DALL-E 2 could solve major computer vision challenges". VentureBeat (amerikai angol nyelven). Hozzáférés: 2022. szeptember 29..
  6. ↑ Knight, Will. "Inside DALL-E Mini, the Internet's Favorite AI Meme Machine". Wired (amerikai angol nyelven). Hozzáférés: 2022. szeptember 29..
  7. ↑ "Midjourney". Midjourney (angol nyelven). Hozzáférés: 2022. szeptember 29..
  8. 1 2 Coldewey, Devin (2021. január 5.). "OpenAI's DALL-E creates plausible images of literally anything you ask it to". TechCrunch (amerikai angol nyelven). Hozzáférés: 2022. szeptember 29..
  9. ↑ "Improving Language Understanding by Generative Pre-Training" (PDF). Hozzáférés: 2022. szeptember 29..
  10. ↑ Radford, Alec; Wu, Jeffrey; Child, Rewon; Luan, David; Amodei, Dario; Sutskever, Ilua. "Language models are unsupervised multitask learners" (PDF). Hozzáférés: 2022. szeptember 29..{{cite web}}: CS1 karbantartás: több név: szerzőfelsorolás (link)
  11. ↑ Brown, Tom B.; Mann, Benjamin; Ryder, Nick; Subbiah, Melanie; Kaplan, Jared; Dhariwal, Prafulla; Neelakantan, Arvind; Shyam, Pranav; Sastry, Girish; Askell, Amanda; Agarwal, Sandhini; Herbert-Voss, Ariel; Krueger, Gretchen; Henighan, Tom; Child, Rewon; Ramesh, Aditya; Ziegler, Daniel M.; Wu, Jeffrey; Winter, Clemens; Hesse, Christopher; Chen, Mark; Sigler, Eric; Litwin, Mateusz; Gray, Scott; Chess, Benjamin; Clark, Jack; Berner, Christopher; McCandlish, Sam; Radford, Alec; Sutskever, Ilya; Amodei, Dario (22 July 2020). "Language Models are Few-Shot Learners".
  12. ↑ Tamkin, Alex; Brundage, Miles; Clark, Jack; Ganguli, Deep (2021). "Understanding the Capabilities, Limitations, and Societal Impact of Large Language Models".
  13. ↑ Ramesh, Aditya (2022. április 12.). "Hierarchical Text-Conditional Image Generation with CLIP Latents". arXiv:2204.06125 [cs]. {{cite journal}}: More than one of |author= és |last= specified (súgó); Unknown parameter |coauthors= ignored (|author= suggested) (súgó)
  14. 1 2 "This avocado armchair could be the future of AI". MIT Technology Review (angol nyelven). Hozzáférés: 2022. szeptember 29..
  15. ↑ "'DALL-E' AI generates an image out of anything you describe". Engadget (amerikai angol nyelven). Hozzáférés: 2022. szeptember 29..

További információk

[szerkesztés | forrásszöveg szerkesztése]
A lap eredeti címe: „https://hu.wikipedia.org/w/index.php?title=DALL-E&oldid=27863666”