Remarque : Dans le prochain sujet que vous allez lire, vous découvrirez : Le dernier texte en image de Google, Al génère une large gamme d’images.
Google a toujours été à la pointe de l’innovation et de la créativité en matière de produits et services. La nouvelle tendance sur le marché ces jours-ci concerne les derniers générateurs d’IA texte-image de Google. L’utilisateur saisit dans le programme le texte qu’il souhaite et le programme générera automatiquement les images les plus précises qui correspondent à la description. Les images sont une collaboration de nombreux styles différents. Peu d’images ressemblent à une peinture à l’huile, peu à une peinture à l’eau et peu à la technique de rendu CGI. La dernière génération de texte en image de Google, au-delà de votre imagination, est polyvalente et produit une image inattendue de haute qualité.
Avant cela, DALL-E, une idée originale du laboratoire commercial Al, openAl était le leader dans le domaine avant Google. Image a renversé DALL-E en termes de qualité et de performances. Les indicateurs humains évaluent également Google Image plus haut que les autres concurrents.
Selon Google, Image est un photoréalisme sans précédent, un niveau profond de compréhension du langage. Image est un système Al qui génère des images photoréalistes à partir du texte saisi fourni par l’utilisateur. L’image utilise un grand encodeur T5-XXL figé pour encoder le texte intégré. Les grands encodeurs de texte gelé appartenant sont très efficaces pour la tâche de conversion de texte en image. Un modèle de diffusion conditionnelle mappe le texte incorporé à une image 64 x 64. Le modèle de diffusion peut même mapper le texte à des images 256*256 et 1024*1024. Google estime que la mise à l’échelle de la taille de l’encodeur de texte en question est plus essentielle que la mise à l’échelle de la taille du modèle de diffusion. Il a introduit un nouvel échantillonneur de modèle de diffusion de maintenance de battage qui facilite l’utilisation de très grands poids de guidage sans classificateur. La nouvelle architecture U-Net efficace a été introduite dans le système, qui est plus efficace en termes de mémoire, converge plus rapidement et est plus efficace en termes de calcul. Image atteint un nouveau COCO FID de pointe de 7,27 qui fournit des échantillons comparables aux images de référence en termes d’alignement de l’image et du texte.
Google ne rend pas encore l’image publique car il estime que le texte de l’image a un potentiel créatif et qu’en même temps, il a également le potentiel de propager l’inhumanité dans la société en diffusant de fausses nouvelles et du harcèlement à travers ces images. Voyons quand il sera rendu public après avoir corrigé les lacunes.
