DALL-E 2

DALL-E 2 je nejnovější architektura neuronových sítí vytvořená pomocí Open AI. Jde o revoluční architekturu určenou k vytváření obrázků z textu. DALL-E 2 je založen na API vyvinutých v roce 2020 a pracuje výhradně se zpracováním přirozeného jazyka (NLP).

Architektura se skládá z různých modulů, které jsou vzájemně propojeny. Funguje to tak, že ze zadaného vstupního textu nejprve vygeneruje sekvenci tokenů a poté na vygenerovanou sekvenci vykonává vícehlavou pozornost. Využívá kombinaci modelů Transformer, Linear Layer a Adaptive Embedding.

DALL-E 2 je schopen generovat obrázky s extrémně vysokým rozlišením z textových popisů. Jedná se o první systém hlubokého učení pro syntézu text2image a dokáže generovat obrázky, které jsou téměř k nerozeznání od skutečných.

DALL-E 2 také umí generovat 3D objekty z textu, jako jsou židle, zvířata nebo nástroje. Tento úkol vyžaduje složité datové sady se složitější strukturou, takže pro jiné architektury je obtížné generovat tak přesné výsledky jako DALL-E 2.

Použití DALL-E 2 je docela jednoduché. Vše, co je potřeba, je textový popis požadovaného obrázku, např. „hnědobílý pes s malým čenichem a velkým černým nosem“. Architektura převezme tento popis a vygeneruje obrázek, který se velmi podobá tomu, co je popsáno v textu.

DALL-E 2 je mocný nástroj, který by mohl způsobit revoluci ve světě tvorby kreativního obsahu. Potenciální aplikace sahají od vytváření generativního umění přes rychlé vytváření uživatelských rozhraní až po pomoc při projektování produktů. Dalo by se použít ke generování kreativního reklamního nebo marketingového obsahu, stejně jako k vyprávění příběhů a zážitků z virtuálního světa.