本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

把椅子上的萌犬P成貓貓，需要幾步？

第一步，圈出狗狗。第二步，告訴AI你的需求。鼠標一點，齊活。

這位AI P圖大師，其實是位老朋友——OpenAI風靡全球的那位DALL·E。

現(xiàn)在，它剛剛完成了“2.0超進化”。不僅新學了一手出神入化的P圖絕技，創(chuàng)作質(zhì)量也有了飛躍式的提升。

話不多說，直接看作品感受一下~

這是DALL·E 2在“星云爆炸狀柯基頭”這一提示下的創(chuàng)作出來的畫作：

這幅薩爾瓦多·達利的畫像，是不是有點薩爾瓦多·達利內(nèi)味兒了？

跟初代DALL·E比起來，著實是畫質(zhì)與藝術(shù)感雙雙飛升了。

△“日出時分安坐在田野里的狐貍，莫奈風格”

所以，研究人員具體如何點亮了DALL·E的新技能點？

CLIP+擴散模型

DALL·E此番進化，簡單來說就是分辨率更高了，延遲更低了。

此外，還有更新2大新功能：

首先，在更細粒度上實現(xiàn)文本→圖像功能。

也就是說，DALL·E 2可以根據(jù)自然語言提示進行P圖。在P圖的過程中，還會考慮陰影、反射、紋理等元素的變化。

比如在左圖標“2”的位置P一個火烈鳥泳圈，DALL-E 2會把水面倒影這種細節(jié)也處理到位。

其次，是可以在保留原作核心元素的基礎(chǔ)之上，賦予原作船新的風格。

并且生成畫面的畫質(zhì)是DALL·E 1的4倍，即從256×256提升到了1024×1024。

CLIP是原版DALL·E功能實現(xiàn)的基礎(chǔ)，是一個負責給圖像重排序的模型，其零樣本學習能力已經(jīng)在各種視覺和語言任務(wù)上大放異彩。

而擴散模型的特點在于，在犧牲多樣性的前提下，能大大提升生成圖像的逼真度。

于是，OpenAI的研究人員設(shè)計了這樣一種方案：

在這個名為unCLIP的架構(gòu)中，CLIP文本嵌入首先會被喂給自回歸或擴散先驗，以產(chǎn)生一個圖像嵌入。

而后，這個嵌入會被用來調(diào)節(jié)擴散編碼器，以生成最終的圖像。

OpenAI解釋稱，DALL·E能夠get圖像和用于描述畫面的文本之間的關(guān)系。其圖像的生成是在“擴散”過程中完成的，可以理解為是從“一堆點”出發(fā)，用越來越多的細節(jié)去把圖像填充完整。

研究人員將DALL·E 2與DALL·E、GLIDE等模型進行了對比。

實驗結(jié)果顯示，DALL·E 2的圖像生成質(zhì)量與GLIDE相當，但DALL·E的生成結(jié)果更具多樣性。

目前，DALL·E 2并未對公眾開放，不過如果你感興趣，可以在線注冊申請一發(fā)~

項目地址：

??https://openai.com/dall-e-2/#demos