概述
?? ?本文主要是DALL·E 3官方第一版技術(shù)報告（論文）的解讀，原文《Improving Image Generation with Better Captions》論文解讀。該文要提升文生圖的效果，將技術(shù)點(diǎn)放到了，提升指令跟隨能力上，然后順藤摸瓜分為提升訓(xùn)練數(shù)據(jù)caption（使用模型合成caption），當(dāng)然也要提升模型（關(guān)于模型結(jié)構(gòu)、訓(xùn)練策略、數(shù)據(jù)集等都未做過多介紹，但是官方又明確提到，除了數(shù)據(jù)，模型也起到了不少的作用）。
? ? 一句話省流版，數(shù)據(jù)方面，訓(xùn)練時使用95%模型（CoCa）合成詳細(xì)描述caption + 5%原本人類 caption，測試時使用GPT-4v 擴(kuò)寫人類caption；模型方面使用T5xxl + vae encoder + diffusion latent + 自家decoder 取得最好效果。
效果
? ? 參考幾個之前公眾號推出的測試效果：
?? ?
DALL·E 3內(nèi)部實(shí)測效果驚人！Karpathy生成逼真靈動「美國小姐」，50個物體一圖全包
?? ?
文章來源地址http://www.zghlxwxcb.cn/news/detail-720539.html
文章來源：http://www.zghlxwxcb.cn/news/detail-720539.html
到了這里，關(guān)于文生圖——DALL-E 3 —論文解讀——第一版的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
