Meta 正在繼續(xù)推進(jìn)對(duì)新形式生成式人工智能模型的研究,并公布了最新成果,名為 CM3leon(發(fā)音類似于「chameleon(變色龍)」)。
CM3leon 是一個(gè)用于文本到圖像創(chuàng)建和圖像到文本創(chuàng)建的多模態(tài)基礎(chǔ)模型,對(duì)于自動(dòng)生成圖像標(biāo)題非常有用。
人工智能生成的圖像在當(dāng)前已經(jīng)不是新概念,廣泛可用的工具如 Stable Diffusion、DALL-E 和 Midjourney 已經(jīng)取得了很大成功。
新鮮的是 Meta 正在使用構(gòu)建 CM3leon 的技術(shù)以及 Meta 聲稱該基礎(chǔ)模型能夠?qū)崿F(xiàn)的性能。
當(dāng)前文本到圖像生成技術(shù)主要依賴 diffusion 模型(Stable Diffusion 的名稱源自此)來創(chuàng)建圖像。CM3leon 則采用了不同的方法:基于 token 的自回歸模型。
Meta 的研究人員在一篇名為《Scaling Autoregressive Multi-Modal Models: Pretraining and Instruction Tuning》的研究論文中寫道:「近年來,由于性能強(qiáng)大且相對(duì)計(jì)算成本較低,diffusion 模型在圖像生成工作中占據(jù)主導(dǎo)地位。相比之下,眾所周知基于 token 的自回歸模型也能產(chǎn)生出色的結(jié)果,尤其在全局圖像連貫性方面更好,但訓(xùn)練和推理的成本要高得多!
Meta 的研究人員已經(jīng)能夠通過 CM3leon 實(shí)際演示基于 token 的自回歸模型實(shí)際上可以比基于 diffusion 模型的方法更高效。
Meta 的研究人員在一篇博客文章中寫道:「盡管使用的計(jì)算資源比之前基于Transformer 的方法少了五倍,CM3leon 在文本到圖像生成方面實(shí)現(xiàn)了最先進(jìn)的性能。」
CM3leon 的基本工作原理在某種程度上與現(xiàn)有的文本生成模型類似。
Meta 的研究人員首先進(jìn)行了一個(gè)檢索增強(qiáng)的預(yù)訓(xùn)練階段。與僅從互聯(lián)網(wǎng)上收集公開可用的圖像不同,這種方法已經(jīng)給基于 diffusion 模型的模型帶來了一些法律挑戰(zhàn),Meta 選擇了一條不同的道路。
Meta 的研究論文指出:「在文本到圖像生成領(lǐng)域,圖像數(shù)據(jù)來源的道德影響已經(jīng)引發(fā)了廣泛的討論。在本研究中,我們只使用 Shutterstock 上的經(jīng)過授權(quán)的圖像。因此,我們可以避免與圖像所有權(quán)和歸屬相關(guān)的擔(dān)憂,同時(shí)不會(huì)犧牲性能。」
在預(yù)訓(xùn)練之后,CM3leon 模型經(jīng)過一階段有監(jiān)督微調(diào)(SFT),Meta 的研究人員聲稱這種方法產(chǎn)生了高度優(yōu)化的結(jié)果,無論是資源利用還是圖像質(zhì)量。SFT 是 OpenAI 用于訓(xùn)練 ChatGPT 的一種方法。Meta 在研究論文中指出,SFT 用于訓(xùn)練模型理解復(fù)雜提示,在生成任務(wù)中非常有用。
論文中指出:「我們發(fā)現(xiàn),指導(dǎo)調(diào)整顯著提高了多模態(tài)模型在圖像標(biāo)題生成、視覺問答、基于文本的編輯和條件圖像生成等各種任務(wù)中的性能!
通過查看 Meta 在關(guān)于 CM3leon 的博客文章中分享的生成圖像樣本集,結(jié)果令人印象深刻,清楚地顯示了模型理解復(fù)雜的多階段提示,從而生成了分辨率極高的圖像。
目前,CM3leon 仍然是一個(gè)研究項(xiàng)目,尚不清楚 Meta 是否會(huì)在其平臺(tái)的一個(gè)服務(wù)中公開提供這項(xiàng)技術(shù)。鑒于它的強(qiáng)大性能和更高的生成效率,CM3leon 及其生成式人工智能方法有可能超越研究階段最終得到應(yīng)用。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請(qǐng)謹(jǐn)慎對(duì)待。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。
近日,德國(guó)柏林國(guó)際電子消費(fèi)品展覽會(huì)(IFA2024)隆重舉辦。憑借在核心技術(shù)、產(chǎn)品設(shè)計(jì)及應(yīng)用方面的創(chuàng)新變革,全球領(lǐng)先的智能終端企業(yè)TCL實(shí)業(yè)成功斬獲兩項(xiàng)“IFA全球產(chǎn)品設(shè)計(jì)創(chuàng)新大獎(jiǎng)”金獎(jiǎng),有力證明了其在全球市場(chǎng)的強(qiáng)大影響力。
近日,中國(guó)家電及消費(fèi)電子博覽會(huì)(AWE 2024)隆重開幕。全球領(lǐng)先的智能終端企業(yè)TCL實(shí)業(yè)攜多款創(chuàng)新技術(shù)和新品亮相,以敢為精神勇闖技術(shù)無人區(qū),斬獲四項(xiàng)AWE 2024艾普蘭大獎(jiǎng)。
“以前都要去窗口辦,一套流程下來都要半個(gè)月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。
由世界人工智能大會(huì)組委會(huì)、上海市經(jīng)信委、徐匯區(qū)政府、臨港新片區(qū)管委會(huì)共同指導(dǎo),由上海市人工智能行業(yè)協(xié)會(huì)聯(lián)合上海人工智能實(shí)驗(yàn)室、上海臨港經(jīng)濟(jì)發(fā)展(集團(tuán))有限公司、開放原子開源基金會(huì)主辦的“2024全球開發(fā)者先鋒大會(huì)”,將于2024年3月23日至24日舉辦。