உரை விளக்கத்தின் அடிப்படையில் பட தொகுப்புக்கான இயந்திர கற்றல் முறையை செயல்படுத்துதல்

OpenAI ஆல் முன்மொழியப்பட்ட இயந்திர கற்றல் அமைப்பின் DALL-E 2 இன் திறந்த செயலாக்கம் வெளியிடப்பட்டது, மேலும் இயற்கை மொழியில் உரை விளக்கத்தின் அடிப்படையில் யதார்த்தமான படங்கள் மற்றும் ஓவியங்களை ஒருங்கிணைக்க உங்களை அனுமதிக்கிறது, அத்துடன் படங்களைத் திருத்த இயற்கை மொழியில் கட்டளைகளைப் பயன்படுத்தவும் ( எடுத்துக்காட்டாக, படத்தில் உள்ள பொருட்களைச் சேர்க்கவும், நீக்கவும் அல்லது நகர்த்தவும் ). OpenAI இன் அசல் DALL-E 2 மாதிரிகள் வெளியிடப்படவில்லை, ஆனால் முறையை விவரிக்கும் ஒரு தாள் உள்ளது. தற்போதுள்ள விளக்கத்தின் அடிப்படையில், சுயாதீன ஆராய்ச்சியாளர்கள் பைத்தோனில் எழுதப்பட்ட மாற்று செயலாக்கத்தைத் தயாரித்து, பைடார்ச் கட்டமைப்பைப் பயன்படுத்தி எம்ஐடி உரிமத்தின் கீழ் விநியோகித்துள்ளனர்.

DALL-E இன் முதல் தலைமுறையின் முன்னர் வெளியிடப்பட்ட செயலாக்கத்துடன் ஒப்பிடுகையில், புதிய பதிப்பு படத்தின் விளக்கத்துடன் மிகவும் துல்லியமான பொருத்தத்தை வழங்குகிறது, அதிக ஒளியியலை அனுமதிக்கிறது மற்றும் அதிக தெளிவுத்திறன்களில் படங்களை உருவாக்குவதை சாத்தியமாக்குகிறது. மாடலைப் பயிற்றுவிக்க கணினிக்கு பெரிய ஆதாரங்கள் தேவை; எடுத்துக்காட்டாக, DALL-E 2 இன் அசல் பதிப்பைப் பயிற்றுவிப்பதற்கு GPU இல் 100-200 ஆயிரம் மணிநேர கணினி தேவைப்படுகிறது, அதாவது. 2 NVIDIA Tesla V4 GPUகளுடன் சுமார் 256-100 வார கணக்கீடுகள்.

அதே ஆசிரியர் நீட்டிக்கப்பட்ட பதிப்பையும் உருவாக்கத் தொடங்கினார் - DALLE2 வீடியோ, ஒரு உரை விளக்கத்திலிருந்து வீடியோவை ஒருங்கிணைப்பதை நோக்கமாகக் கொண்டது. தனித்தனியாக, ரஷ்ய மொழியில் விளக்கங்களை அங்கீகரிப்பதற்காக மாற்றியமைக்கப்பட்ட முதல் தலைமுறை DALL-E இன் திறந்த செயலாக்கத்துடன், Sberbank உருவாக்கிய ru-dalle திட்டத்தை நாம் கவனிக்கலாம்.

ஆதாரம்: opennet.ru