鴻蒙智行泊車代駕VPD正式開啟全量推送!升級(jí)自動(dòng)泊車/接駕等多項(xiàng)功能華為官方翻新手機(jī)最高降價(jià)4000元曝蘋果研發(fā)帶Face ID的智能家居門鈴:內(nèi)置自研W-Fi芯片李斌回應(yīng)螢火蟲外觀設(shè)計(jì):看過實(shí)車的人都喜歡這個(gè)設(shè)計(jì)林杰:未來 A 級(jí)、A0 級(jí)、A00 級(jí)車型都將是領(lǐng)克純電的“主場”豐巢存包柜亮相南寧地鐵站,助力城市韌性建設(shè)與智慧出行萬象分區(qū)、絢彩XDR、量子點(diǎn)Pro 2025齊出手,TCL引領(lǐng)觀影體驗(yàn)新變革!QQ音樂年度聽歌報(bào)告發(fā)布:誰是你最喜歡的歌手?OpenAI正式發(fā)布o(jì)3 - 通往AGI的路上,已經(jīng)沒有了任何阻礙「送禮物」難撬動(dòng)社交電商,微信小店缺的是供給微軟Phi-4封神,14B小模型數(shù)學(xué)擊敗GPT-4o,合成數(shù)據(jù)占比40%,36頁技術(shù)報(bào)告出爐2024年結(jié)束,哪里是原創(chuàng)動(dòng)畫的應(yīng)許之地?深扒一個(gè)正被游戲行業(yè)「搶占」的流量帝國百思買重新進(jìn)軍跨境電商領(lǐng)域視頻生成大模型賽道,只是看上去擁擠GGII:預(yù)計(jì)2024年中國工業(yè)機(jī)器人全年銷量約30萬臺(tái),同比下滑5%左右冰雪大世界盛大開園,美的空調(diào)橫跨50℃打造“東北夏威夷”臺(tái)灣小土豆勇闖冰雪大世界,美的空調(diào)真暖快車成為最熱打卡點(diǎn)京東iPhone 16系列年底大放價(jià)!至高補(bǔ)貼1200元價(jià)格低過11.11新一季圓滿假期結(jié)伴大使出發(fā)在即 LG電子十年相伴助力溫暖傳遞
  • 首頁 > 云計(jì)算頻道 > 大模型

    麻省理工、Meta開源:無需人工標(biāo)注,創(chuàng)新文生圖模型

    2024年01月09日 11:46:19   來源:AIGC開放社區(qū)公眾號(hào)

      原文來源:AIGC開放社區(qū)

      文生圖領(lǐng)域一直面臨著一個(gè)核心難題,就是有條件圖像生成的效果,遠(yuǎn)超無條件的圖像生成。有條件圖像生成是指模型在生成圖像的過程中,會(huì)額外使用類別、文本等輔助信息進(jìn)行指導(dǎo),這樣可以更好的理解用戶的文本意圖,生成的圖像質(zhì)量也更高。

      而無條件圖像生成完全基于模型自己學(xué)習(xí)的數(shù)據(jù)分布,難以形成有效的指導(dǎo),所以,我們經(jīng)常會(huì)有的AI平臺(tái)生成的圖像驢唇不對(duì)馬嘴,或者圖像有重大缺陷。

      為了解決這個(gè)問題,麻省理工學(xué)院和Meta的AI研究人員開發(fā)了RCG模型(Representation-Conditioned imageGeneration)。

      RCG是一種創(chuàng)新性的“基于表示條件的圖像生成”模型。所謂“表示條件”,就是讓模型自己從數(shù)據(jù)中提取表示來進(jìn)行指導(dǎo),而無需任何人工數(shù)據(jù)標(biāo)注。所以,RCG能以更小的消耗,生成與有指導(dǎo)模型相媲美的圖片。

      開源地址:‌

      論文地址:‌

      從RCG的論文來看,其圖片生成流程采用了擬人化思路。先規(guī)劃出要生成圖片的大體輪廓,然后再根據(jù)這一構(gòu)思去繪制圖片的細(xì)節(jié)。

      就像我們?nèi)祟惍嫯嬕粯?先在大腦中構(gòu)思畫作的整體思路,例如,想畫一匹馬,先想象馬的形體;想畫一個(gè)蘋果,先想象個(gè)大紅色的圓球,然后根據(jù)整體“表示”畫出圖像的細(xì)節(jié)。

      圖像編碼器

      圖像編碼器的作用是從圖像中提取有意義的表示。這些表示在保留圖像的語義信息的同時(shí),也要比較簡單、易于建模。

      目前流行的自監(jiān)督學(xué)習(xí)算法主要可以分為兩大類:1)基于預(yù)訓(xùn)練任務(wù),這類方法會(huì)人為設(shè)計(jì)一個(gè)預(yù)訓(xùn)練任務(wù),讓模型去預(yù)測一些偽標(biāo)簽。比如旋轉(zhuǎn)預(yù)測任務(wù),讓模型預(yù)測圖像被旋轉(zhuǎn)的角度等。

      2)基于對(duì)比學(xué)習(xí),這類方法會(huì)構(gòu)造正樣本和負(fù)樣本。讓模型學(xué)會(huì)區(qū)分和拉遠(yuǎn)它們在表示空間的距離,代表性算法包括MoCo、SimCLR等。

      實(shí)驗(yàn)證明,基于對(duì)比學(xué)習(xí)方法,可以獲得更加有效的圖像表示,因此RCG選擇了這種方式。并使用了MoCo v3進(jìn)行預(yù)訓(xùn)練,這是圖像分類任務(wù)上效果最優(yōu)的自監(jiān)督對(duì)比學(xué)習(xí)算法之一。

      為了使表示維度可控,RCG使用了帶有預(yù)測頭的Transformer模型。預(yù)測頭會(huì)規(guī)劃成256維的向量,這樣就獲得了編碼器輸出的表示。該表示同時(shí)還進(jìn)行了歸一化處理,以符合高斯分布。

      表示生成模塊

      在提取到圖像的表示之后,下一步就是對(duì)這些表示進(jìn)行采樣。通常,我們希望模型可以捕捉表示空間的分布,具有生成各種新穎表示的能力,從而指導(dǎo)下游的圖像生成。

      為此,RCG提出了表示擴(kuò)散模型RDM。它使用全連接網(wǎng)絡(luò)作為主干,包含數(shù)個(gè)殘差塊。每個(gè)塊里面包括激活函數(shù)、線性層等。

      RDM模塊訓(xùn)練時(shí),采用了DDIM算法。即先將真實(shí)圖像表示加入高斯噪聲,讓RDM去除噪并重構(gòu)原始表示;生成時(shí),從完全噪聲表示出發(fā),逐步采樣清晰的表示。

      RDM模塊的參數(shù)和計(jì)算量很小,所以即使增加塊數(shù)和寬度,也不會(huì)帶來太大的額外負(fù)擔(dān)。這樣我們可以充分發(fā)掘表示空間的豐富信息,指導(dǎo)下游生成。

      像素生成器

      提取表示并對(duì)其建模之后,最后一步就是根據(jù)表示來生成圖像像素。RCG中的像素生成器可以使用任意的條件圖像生成模型,只需要將原有的條件(比如類別標(biāo)簽)替換為RDM生成的表示即可。

      訓(xùn)練時(shí),MAGE接收帶有遮蔽(Mask)的圖像作為輸入,其中帶X的是被遮蔽的,同時(shí)也輸入對(duì)應(yīng)圖像的表示,然后學(xué)習(xí)重構(gòu)被遮蔽的內(nèi)容。

      為了驗(yàn)證RCG模型的效果,研究團(tuán)隊(duì)基于ImageNet測試平臺(tái)中的256×256數(shù)據(jù)集進(jìn)行了實(shí)驗(yàn)。

      結(jié)果顯示,RCG的FID分?jǐn)?shù)為3.56和IS的253.4,超過了之前最好的無條件生成模型MAGE的結(jié)果,與當(dāng)前狀態(tài)最好的有條件模型CDM差不多。

      文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請謹(jǐn)慎對(duì)待。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。

    即時(shí)

    新聞

    明火炊具市場:三季度健康屬性貫穿全類目

    奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。

    企業(yè)IT

    重慶創(chuàng)新公積金應(yīng)用,“區(qū)塊鏈+政務(wù)服務(wù)”顯成效

    “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。

    3C消費(fèi)

    華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,高能實(shí)力,創(chuàng)

    華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來實(shí)質(zhì)性的幫助,雙十一期間低至2799元,性價(jià)比很高,簡直是創(chuàng)作者們的首選。

    研究

    中國信通院羅松:深度解讀《工業(yè)互聯(lián)網(wǎng)標(biāo)識(shí)解析體系

    9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會(huì)——工業(yè)互聯(lián)網(wǎng)標(biāo)識(shí)解析專題論壇在沈陽成功舉辦。