Google ब्रेन का नया मॉडल इमेजन Dall-E 2 से भी अधिक प्रभावशाली है

अगर आपको लगता है कि दल के अच्छे परिणाम हैं, तब तक प्रतीक्षा करें जब तक आप यह न देख लें कि Google ब्रेन का यह नया मॉडल क्या कर सकता है।

डैले-ए अद्भुत है, लेकिन इसमें अक्सर यथार्थवाद का अभाव होता है, और यही टीम ने इमेजेन नामक इस नए मॉडल के साथ हमला किया।

वे अपने प्रोजेक्ट पेज के साथ-साथ एक बेंचमार्क पर बहुत सारे परिणाम साझा करते हैं, जिसे उन्होंने टेक्स्ट-टू-इमेज मॉडल की तुलना करने के लिए पेश किया, जहां वे स्पष्ट रूप से और पिछले छवि निर्माण दृष्टिकोणों से बेहतर प्रदर्शन करते हैं। वीडियो में और जानें...

संदर्भ

►पूरा लेख पढ़ें: https://www.louisbouchard.ai/google-brain-imagen/
पेपर: सहरिया एट अल।, 2022, इमेजन - गूगल ब्रेन, https://gweb-research-imagen.appspot.com/paper.pdf
प्रोजेक्ट लिंक: https://gweb-research-imagen.appspot.com/
►माई न्यूज़लेटर (आपके ईमेल पर साप्ताहिक रूप से समझाया गया एक नया AI एप्लिकेशन!): https://www.louisbouchard.ai/newsletter/

वीडियो प्रतिलेख

0:00

अगर आपको लगता है कि दली 2 के अच्छे परिणाम थे

0:02

प्रतीक्षा करें जब तक आप देखें कि यह नया मॉडल क्या है

0:04

गूगल ब्रेन से दिल्ली क्या कर सकते हैं

0:07

अद्भुत लेकिन अक्सर यथार्थवाद की कमी होती है और यह

0:10

टीम ने इस नए के साथ क्या हमला किया है

0:12

मॉडल जिसे इमोजन कहा जाता है, वे बहुत कुछ साझा करते हैं

0:14

उनके प्रोजेक्ट पेज पर भी परिणाम

0:16

एक बेंचमार्क जिसके लिए उन्होंने पेश किया

0:18

छवि मॉडल के लिए पाठ की तुलना करना जहां

0:20

उन्होंने स्पष्ट रूप से दैनिक2 और . से बेहतर प्रदर्शन किया

0:23

पिछली छवि निर्माण दृष्टिकोण

0:25

हम की तरह यह बेंचमार्क भी सुपर कूल है

0:27

छवि मॉडल के लिए अधिक से अधिक टेक्स्ट देखें

0:29

और इसकी तुलना करना काफी मुश्किल है

0:31

परिणाम जब तक हम मान लें कि परिणाम हैं

0:34

वास्तव में बुरा जो हम अक्सर करते हैं लेकिन यह

0:36

मॉडल और le2 ने निश्चित रूप से बाधाओं को टाल दिया

0:40

tldr यह एक नया टेक्स्ट-टू-इमेज मॉडल है जो

0:43

आप दली से और अधिक के साथ तुलना कर सकते हैं

0:45

मानव परीक्षकों के अनुसार यथार्थवाद इतना न्यायपूर्ण

0:48

डाली की तरह जिसे मैंने कवर भी नहीं किया a

0:50

महीने पहले यह मॉडल a . जैसे टेक्स्ट लेता है

0:53

गोल्डन रिट्रीवर कुत्ता नीला पहने हुए

0:56

चेकर्ड बैरेट और एक लाल बिंदीदार

0:58

टर्टलनेक और a . उत्पन्न करने का प्रयास करता है

1:00

इस अजीब में से फोटोरिअलिस्टिक छवि

1:02

वाक्य यहाँ मुख्य बिंदु यह है कि

1:05

इमोजेन न केवल टेक्स्ट को समझ सकता है बल्कि

1:08

यह छवियों को भी समझ सकता है

1:10

उत्पन्न करता है क्योंकि वे अधिक यथार्थवादी हैं

1:12

पाठ्यक्रम के सभी पिछले दृष्टिकोणों की तुलना में

1:15

जब मैं कहता हूं समझो मेरा मतलब है अपना

1:17

इस तरह की समझ वास्तव में है

1:20

हमारे से अलग मोडल नहीं करता है

1:22

वास्तव में पाठ या छवि को समझें

1:24

यह उत्पन्न करता है यह निश्चित रूप से किसी प्रकार का है

1:27

इसके बारे में ज्ञान लेकिन यह मुख्य रूप से

1:28

समझता है कि कैसे इस विशेष प्रकार का

1:31

इन वस्तुओं के साथ वाक्य होना चाहिए

1:33

एक छवि पर पिक्सेल का उपयोग करके दर्शाया गया है लेकिन

1:36

मैं मानता हूँ कि यह निश्चित रूप से ऐसा दिखता है

1:38

जब हम देखते हैं तो समझते हैं कि हम इसे क्या भेजते हैं

1:41

वे परिणाम स्पष्ट रूप से आप इसे बरगला सकते हैं

1:43

कुछ वाकई अजीब वाक्यों के साथ

1:45

इस तरह यथार्थवादी नहीं दिख सकता

1:48

पर कभी कभी अपनों को भी पछाड़ देता है

1:50

कल्पना और बस कुछ बनाता है

1:53

आश्चर्यजनक अभी भी और भी आश्चर्यजनक क्या है

1:56

यह है कि यह किसी ऐसी चीज़ का उपयोग करके कैसे काम करता है जो मैं कभी नहीं करता

1:58

चैनल पर चर्चा एक प्रसार

2:00

मॉडल लेकिन इस प्रसार का उपयोग करने से पहले

2:03

मॉडल हमें पहले समझने की जरूरत है

2:05

पाठ इनपुट और यह भी मुख्य है

2:07

डाली के साथ अंतर उन्होंने एक बहुत बड़ा इस्तेमाल किया

2:10

समझने के लिए gpt3 के समान टेक्स्ट मॉडल

2:13

एआई सिस्टम के रूप में सबसे अच्छा पाठ ऐसा कर सकता है

2:16

साथ में एक टेक्स्ट मॉडल को प्रशिक्षित करने के बजाय

2:18

छवि निर्माण मॉडल के साथ वे

2:21

बस एक बड़े पूर्व-प्रशिक्षित मॉडल का उपयोग करें और

2:23

इसे फ्रीज करें ताकि यह न बदले

2:25

छवि के प्रशिक्षण के दौरान

2:27

उनके अध्ययन से पीढ़ी मॉडल यह

2:30

बहुत बेहतर परिणाम मिले और ऐसा लग रहा था

2:32

जैसे मॉडल ने टेक्स्ट को बेहतर ढंग से समझा इसलिए

2:35

यह पाठ मॉड्यूल इस प्रकार है कि मॉडल

2:37

पाठ और इस समझ को समझता है

2:40

जिसे हम एनकोडिंग कहते हैं, उसमें दर्शाया जाता है

2:42

जो कि मॉडल को प्रशिक्षित किया गया है

2:44

टेक्स्ट ट्रांसफर करने के लिए विशाल डेटासेट पर करने के लिए

2:47

सूचना के स्थान में इनपुट जो

2:50

यह उपयोग और समझ सकता है

2:52

अब हमें इस ट्रांसफॉर्म टेक्स्ट का उपयोग करने की आवश्यकता है

2:54

छवि उत्पन्न करने के लिए डेटा और जैसा कि मैंने कहा

2:57

उन्होंने हासिल करने के लिए एक प्रसार मॉडल का इस्तेमाल किया

3:00

वह लेकिन एक प्रसार मॉडल क्या है

3:02

प्रसार मॉडल जनरेटिव मॉडल हैं

3:04

जो यादृच्छिक गाऊसी शोर को परिवर्तित करता है जैसे

3:07

यह कैसे करना सीखकर छवियों में

3:10

गाऊसी शोर को पुनरावृत्त रूप से उलट दें

3:13

सुपर रिज़ॉल्यूशन के लिए शक्तिशाली मॉडल हैं

3:15

या छवि अनुवाद के लिए अन्य छवि और

3:18

इस मामले में एक संशोधित इकाई का उपयोग करें

3:20

वास्तुकला जिसे मैंने कई कवर किया है

3:22

पिछले वीडियो में कई बार तो मैं नहीं करूंगा

3:24

वास्तु विवरण दर्ज करें

3:26

यहाँ मूल रूप से मॉडल को प्रशिक्षित किया जाता है

3:29

शुद्ध शोर से एक छवि को नकारें जो

3:31

पाठ एन्कोडिंग का उपयोग कर ओरिएंट और

3:34

क्लासिफायर फ्री नामक एक तकनीक

3:36

मार्गदर्शन जो वे कहते हैं वह आवश्यक है और

3:38

उनके पेपर में स्पष्ट रूप से समझाया गया है I

3:40

अधिक जानकारी के लिए आप इसे पढ़ें

3:42

यह तकनीक तो अब हमारे पास एक मॉडल है

3:45

यादृच्छिक गाऊसी शोर लेने में सक्षम और

3:47

हमारे टेक्स्ट एन्कोडिंग और इसे निरूपित करें

3:49

करने के लिए पाठ एन्कोडिंग से मार्गदर्शन

3:51

हमारी छवि बनाएं लेकिन जैसा कि आप यहां देख रहे हैं

3:54

यह उतना आसान नहीं है जितना यह लगता है

3:56

हमारे द्वारा अभी बनाई गई छवि बहुत छोटी है

3:58

एक बड़ी छवि के रूप में छवि की आवश्यकता होगी

4:00

बहुत अधिक गणना और एक बहुत बड़ा

4:02

मॉडल जो व्यवहार्य नहीं हैं इसके बजाय हम

4:05

पहले एक फोटोरिअलिस्टिक छवि उत्पन्न करें

4:07

प्रसार मॉडल का उपयोग करके हम बस

4:09

चर्चा की और फिर अन्य प्रसार का उपयोग करें

4:12

की गुणवत्ता में सुधार के लिए मॉडल

4:14

छवि पुनरावृत्त रूप से मैंने पहले ही कवर कर लिया है

4:16

पिछले वीडियो में सुपर रिज़ॉल्यूशन मॉडल

4:19

इसलिए मैं यहां विवरण में प्रवेश नहीं करूंगा

4:21

लेकिन आइए एक बार फिर से एक त्वरित अवलोकन करें

4:24

हम शोर करना चाहते हैं, छवि नहीं

4:26

इसलिए हम इसे शुरू में उत्पन्न करते हैं

4:28

फिर से कुछ के साथ कम संकल्प छवि

4:31

गाऊसी शोर और हम अपने दूसरे को प्रशिक्षित करते हैं

4:33

इसे संशोधित करने के लिए प्रसार मॉडल

4:35

छवि और इसे सुधारें तो हम दोहराते हैं

4:38

दूसरे मॉडल के साथ ये दो चरण लेकिन

4:40

इस बार के सिर्फ पैच का उपयोग कर

4:43

करने के लिए पूरी छवि के बजाय छवि

4:45

एक ही upscaling अनुपात और रहने

4:47

कम्प्यूटेशनल रूप से व्यवहार्य और वॉयला हम समाप्त करते हैं

4:51

हमारे फोटोरिअलिस्टिक हाई के साथ

4:53

संकल्प छवि

4:55

बेशक यह सिर्फ का एक सिंहावलोकन था

4:56

यह रोमांचक नया मॉडल वास्तव में अच्छा है

4:59

परिणाम मैं निश्चित रूप से आपको पढ़ने के लिए आमंत्रित करता हूं

5:01

एक गहरी . के लिए उनके महान कागज

5:03

उनके दृष्टिकोण की समझ और a

5:05

विस्तृत परिणाम विश्लेषण

5:07

और क्या आपको लगता है कि परिणाम हैं

5:09

दिल्ली की तुलना में क्या वे भी बेहतर हैं

5:12

या इससे भी बदतर मुझे यकीन है कि यह डेली का मुख्य है

5:15

प्रतियोगी अब तक मुझे बताएं कि क्या

5:17

आप इस नए Google दिमाग के बारे में सोचते हैं

5:19

प्रकाशन और स्पष्टीकरण मुझे आशा है

5:21

आपने इस वीडियो का आनंद लिया और यदि आपने किया

5:24

कृपया एक सेकंड के लिए एक लाइक छोड़ें और

5:26

अप टू डेट रहने के लिए सब्सक्राइब करें

5:27

रोमांचक एआई समाचार यदि आपने सदस्यता ली है तो i

5:30

अगले हफ्ते दूसरे के साथ मिलेंगे

अद्भुत कागज