El año pasado compartí   , un increíble modelo de OpenAI capaz de generar imágenes a partir de una entrada de texto con resultados increíbles. Ahora es el turno de su hermano mayor, DALL·E 2. ¡Y no creerás el progreso en un solo año! DALL·E 2 no solo es mejor para generar imágenes fotorrealistas a partir de texto. ¡Los resultados son cuatro veces la resolución! DALL·E  Como si no fuera ya lo suficientemente impresionante, el modelo reciente aprendió una nueva habilidad;   . imagen en pintura  DALL·E podría generar imágenes a partir de entradas de texto.  DALL·E 2 puede hacerlo mejor, pero no se queda ahí. ¡También puede editar esas imágenes y hacer que se vean aún mejor! O simplemente agregue una función que desee, como algunos flamencos en el fondo.  ¿Suena interesante? ¡Aprende más en el vídeo!   Referencias  ►Lea el artículo completo:   ►A. Ramesh et al., 2022, artículo DALL-E 2:   ►Publicación del blog de OpenAI:   ►Riesgos y limitaciones:   ►Página de instagram de OpenAI Dalle:   ►My Newsletter (¡Una nueva aplicación de IA explicada semanalmente en sus correos electrónicos!):  https://www.louisbouchard.ai/openais-new-model-dall-e-2-is-amazing/ https://cdn.openai.com/papers/dall-e-2.pdf https://openai.com/dall-e-2 https://github.com/openai/dalle-2-preview/blob/main/system-card.md https://www.instagram.com/openaidalle/ https://www.louisbouchard.ai/newsletter/  Transcripción del vídeo  0:00  el año pasado compartí a dolly un increíble  0:02  modelo de openai capaz de generar  0:05  imágenes de un pie tejano con increíble  0:08  resultados ahora es el momento de su gran  0:10  hermano muñequita también y no vas a creer  0:13  el progreso en un solo año dolly 2 es  0:15  no solo mejor en la generación  0:17  imágenes fotorrealistas de textos  0:20  los resultados son cuatro veces la resolución que  0:22  si no fuera ya lo suficientemente impresionante  0:25  el modelo reciente aprendió una nueva habilidad  0:27  imagen en pintura delhi podría generar  0:30  imágenes de entradas de texto que Dolly 2 puede hacer  0:33  es mejor pero no se detiene ahí  0:35  también puede editar esas imágenes y hacerlas  0:38  luzca aún mejor o simplemente agregue una característica  0:41  quieres como un aleteo va en el  0:43  fondo esto es lo que imagen y  0:45  pintar es tomar parte de una imagen  0:47  y reemplazarlo con otra cosa  0:49  siguiendo el estilo y reflexiones en  0:51  la imagen manteniendo el realismo por supuesto  0:53  no solo reemplaza la parte del  0:55  imagen al azar esto será demasiado fácil  0:58  para openai este proceso de pintura es  1:00  también guiado por texto, lo que significa que puede  1:02  dile que añada una hambruna vaya aquí allá o  1:05  aún allí  1:06  antes de sumergirse en el meollo de la cuestión  1:08  este nuevo modelo dahle déjame hablar un poco  1:11  poco sobre este episodio patrocinador  1:13  pesos y sesgos si no lo eres  1:15  familiarizado con el peso y los sesgos que está  1:17  sin duda nuevo aquí y debería  1:19  definitivamente suscríbete al canal  1:21  peso y sesgos le permite mantener  1:22  un seguimiento de todos sus experimentos con sólo  1:25  un puñado de líneas agregadas a su código  1:27  una característica que me encanta es cómo puedes  1:29  crea y comparte rápidamente un aspecto increíble  1:31  informes interactivos como este  1:34  mostrando claramente su equipo o yo futuro  1:36  tus carreras métricas hiperparámetros y  1:38  configuraciones de datos junto con cualquier nota  1:41  usted o su equipo tenían en ese momento es un  1:44  poderosa característica para agregar rápido  1:46  comentarios sobre un experimento o crear  1:48  piezas pulidas de informes de análisis pueden  1:50  también se pueden utilizar como tableros para informes  1:53  un subconjunto más pequeño de métricas que el  1:55  espacio de trabajo principal que incluso puedes crear  1:57  enlaces públicos de solo lectura para compartir con  2:00  cualquier persona puede capturar y compartir fácilmente su  2:02  el trabajo es fundamental si quieres crecer como  2:04  un practicante de ml, por eso yo  2:06  recomendar el uso de herramientas que mejoren su  2:08  funciona como pesos y sesgos solo inténtalo  2:11  con el primer enlace de abajo y empezar  2:13  compartir su trabajo como un profesional  2:16  ahora profundicemos en cómo Dolly 2 no puede  2:19  solo genera imágenes a partir de texto pero es  2:21  también capaz de editarlos de hecho esto  2:24  nueva habilidad de pintura que tiene la red  2:26  aprendido se debe a que es mejor  2:28  comprensión de los conceptos y las imágenes  2:30  ellos mismos a nivel local y global lo que yo  2:33  lo que significa local y globalmente es que  2:35  dahle 2 tiene una comprensión más profunda de  2:37  por qué los píxeles uno al lado del otro tiene  2:40  estos colores como entiende el  2:42  objetos en la escena y sus  2:43  interrelación entre sí de esta manera  2:46  será capaz de entender que esto  2:48  el agua tiene reflejo y el objeto en  2:50  el derecho también debería estar reflejado allí  2:53  también entiende la escena global  2:55  que es lo que está pasando como si  2:58  ibas a describir lo que está pasando  3:00  cuando la persona tomó la foto aquí  3:02  dirías que esta foto no existe  3:05  obviamente o de lo contrario estoy definitivamente abajo a  3:07  prueba que si nos olvidamos que esto es  3:09  imposible dirias que el astronauta  3:11  está montando un caballo en el espacio así que si yo fuera  3:14  para pedirte que dibujes la misma escena pero en  3:17  un planeta en lugar de en el espacio libre que  3:19  ser capaz de imaginar algo así  3:21  ya que entiendes que el caballo y  3:23  astronauta son los objetos de interés para  3:25  mantener en la imagen esto parece obvio  3:28  pero es extremadamente complejo para una máquina  3:30  que solo ve pixeles de colores que es  3:33  por qué dahli 2 es tan impresionante para mí pero  3:35  cómo entiende exactamente el modelo  3:38  el texto lo enviamos y podemos generar un  3:40  imagen fuera de eso, bueno, es bastante similar  3:43  al primer modelo que cubrí en el  3:45  canal comienza usando el clip  3:47  modelo de openai para codificar tanto un texto  3:50  y una imagen en el mismo dominio a  3:52  representación condensada llamada latente  3:55  código, entonces tomará esta codificación y  3:58  usar un generador también llamado decodificador para  4:01  generar una nueva imagen que signifique lo mismo  4:04  cosa como el texto ya que es del  4:06  mismo código latente por lo que dali 2 tiene dos pasos  4:10  clip para codificar la información y el  4:12  nuevo modelo de decodificador para tomar este codificado  4:15  información y generar una imagen a partir de  4:17  si estos dos pasos separados también son  4:20  por qué podemos generar variaciones de la  4:22  imágenes simplemente podemos cambiar al azar el  4:25  información codificada solo un poco haciendo  4:27  se mueve un poquito en el espacio latente  4:30  y seguirá representando lo mismo  4:32  frase teniendo todas las diferentes  4:34  valores creando una imagen diferente  4:36  representando el mismo texto que vemos  4:39  aquí inicialmente toma una entrada de texto y  4:42  lo codifica lo que vemos arriba es el  4:44  primer paso del proceso de formación donde  4:46  también le damos una imagen y la codificamos  4:48  usando clip para que las imágenes y el texto sean  4:51  codificado de manera similar siguiendo el clip  4:53  objetivo entonces de generar un nuevo  4:56  imagen cambiamos a la sección de abajo  4:58  donde usamos la codificación de texto guiada por  5:00  clip para transformarlo en una imagen lista  5:03  la codificación de esta transformación está hecha  5:05  usando una difusión previa a la cual vamos a  5:07  cubierta en breve, ya que es muy similar a  5:09  el modelo de difusión utilizado para el final  5:12  paso finalmente usamos nuestro recién creado  5:14  codificación de imágenes y decodificación en una nueva  5:17  imagen usando el decodificador de difusión a  5:20  decodificador de difusión o modal es una especie de  5:23  modelo que comienza con ruido aleatorio y  5:25  aprende cómo cambiar iterativamente esto  5:28  ruido para volver a una imagen que aprende  5:30  que al hacer lo contrario durante  5:32  entrenando le daremos de comer imagenes y  5:34  aplicar ruido gaussiano aleatorio en la imagen  5:37  iterativamente hasta que no podamos ver nada  5:40  aparte del ruido, simplemente invertimos  5:43  el modelo para generar imágenes a partir del ruido  5:45  si desea más detalles sobre esto  5:47  tipo de red que son realmente geniales  5:50  te invito a ver este video que hice  5:51  sobre ellos y listo así es como dali 2  5:55  genera imágenes de tan alta calidad  5:58  siguiente texto es súper impresionante y  6:00  nos dice que el modelo si entiende  6:02  el texto, pero ¿entiende profundamente  6:05  lo que creó  6:06  Bueno, seguro que parece que es el  6:08  capacidad de pintar imágenes que  6:10  nos hace creer que si entiende  6:12  las fotos bastante bien, pero ¿por qué es eso?  6:15  Entonces, ¿cómo puede vincular una entrada de texto a un  6:18  imagen y entender la imagen lo suficiente como para  6:20  reemplace solo algunas partes sin  6:23  afectando el realismo esto es todo  6:25  debido al clip, ya que vincula una entrada de texto  6:28  a una imagen si codificamos de nuevo nuestra nueva  6:30  imagen generada y usar un texto diferente  6:33  entrada para guiar a otra generación podemos  6:35  generar la segunda versión de la imagen  6:38  que reemplazará solo la región deseada  6:40  en nuestra primera generación y acabarás  6:43  arriba con esta foto desafortunadamente el  6:46  el código no está disponible públicamente y no es  6:48  en su api sin embargo, la razón de eso como  6:51  per openai es estudiar los riesgos y  6:53  limitaciones de un modelo tan potente  6:56  en realidad discuten estos posibles  6:58  riesgos y la razón de esta privacidad en  7:00  su papel y en un gran repositorio i  7:02  vinculado en la descripción a continuación si usted  7:04  están interesados también abrieron un  7:06  cuenta de instagram para compartir más resultados  7:08  si quieres ver que también es  7:10  vinculado a continuación, me encantó Dally y este  7:13  es aún más genial  7:15  por supuesto, esto fue solo una descripción general de  7:17  cómo funciona dahli2 y lo invito encarecidamente  7:19  leyendo su gran artículo vinculado a continuación  7:21  para más detalles sobre su implementación  7:23  del modelo espero que les haya gustado  7:26  video tanto como disfruté haciéndolo y  7:28  te veré la próxima semana con otro  increíble papel gracias por mirar

Alongside

Instagram

Super

Watch more on YouTube: https://www.youtube.com/c/WhatsAI

I explain Artificial Intelligence terms and news to non-experts.

2021 - HackerNoon Contributor of the Year - FACEBOOK

2022 - Best Data Science Newsletter

2022 - HackerNoon Contributor of the Year - Artificial Intelligence

2022 - HackerNoon Contributor of the Year - Computer Vision

2022 - HackerNoon Contributor of the Year - Data Science

2022 - HackerNoon Contributor of the Year - Google

2022 - HackerNoon Contributor of the Year - Innovation

2022 - HackerNoon Contributor of the Year - Machine Learning

2022 - HackerNoon Contributor of the Year - Natural Language Processing

2022 - Top Tech Youtuber

2021 - HackerNoon Contributor of the Year - DEEP-LEARNING

Nominated for 2022 - Best Data Science Newsletter

Nominated for 2022 - HackerNoon Contributor of the Year - Artificial Intelligence

Nominated for 2022 - Top Tech Youtuber

Nominated for 2022 - HackerNoon Contributor of the Year - Innovation

Nominated for 2022 - HackerNoon Contributor of the Year - Data Science

Nominated for 2022 - HackerNoon Contributor of the Year - Natural Language Processing

¡El nuevo modelo de OpenAI es asombroso! DALL·E 2 explicado de forma sencilla

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

El modelo Bitcoin UTXO, impulsando un ecosistema único

Crecimiento de las criptomonedas: creación de perfiles de usuarios eficaces

Toque para ganar: Telegram puede incorporar a los próximos 10 mil millones de usuarios de criptomonedas antes de Solana

Telegram: el puente de Crypto Island hacia el continente

El modelo Bitcoin UTXO, impulsando un ecosistema único

Crecimiento de las criptomonedas: creación de perfiles de usuarios eficaces

Toque para ganar: Telegram puede incorporar a los próximos 10 mil millones de usuarios de criptomonedas antes de Solana

Telegram: el puente de Crypto Island hacia el continente

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps