DALL-E 2使用了一种叫做扩散模型的概念，它试图将整个文本编码为一个描述来生成一个图像。然而，一旦文本有了更多的细节，单一的描述就很难捕捉到它的全部。此外，虽然它们高度灵活，但扩散模型有时很难理解某些概念的构成，例如混淆不同对象之间的属性或关系。
这个生成的图像阵列，显示了"桥上的火车"和"桥下的河流"，是使用麻省理工学院研究人员开发的新方法生成的。
为了生成具有更好理解力的更复杂的图像，来自麻省理工学院计算机科学和人工智能实验室（CSAIL）的科学家们从不同的角度对典型的模型进行了结构化设计：他们将一系列的模型加在一起，按照输入文本或标签的要求，合作生成捕捉多个不同方面的理想图像。要创建一个有两个组成部分的图像，比如说，由两句描述组成的图像，每个模型将处理图像的一个特定组成部分。
图像生成背后看似神奇的模型通过建议一系列的迭代完善步骤来达到所需的图像。它从一张"糟糕"的图片开始，然后逐渐细化，直到成为选定的图像。通过将多个模型组合在一起，它们在每个步骤中共同完善外观，所以结果是一个展现每个模型所有属性的图像。通过让多个模型合作，你可以在生成的图像中得到更多的创造性组合。
这个生成的图像阵列，显示了"一条通向山脉的河流"和"边上的红树"
以一辆红色卡车和一座绿色房子为例。当这些句子变得非常复杂时，模型会混淆红色卡车和绿色房子的概念。像《DALL-E 2》这样的典型生成器可能会把这些颜色调换一下，做成绿色卡车和红色房子。该团队的方法可以处理这种类型的属性与物体的绑定，特别是当有多组东西时，它可以更准确地处理每个物体。
"该模型可以有效地对物体位置和关系描述进行建模，这对现有的图像生成模型来说是一个挑战。例如，把一个物体和一个立方体放在某个位置，把一个球体放在另一个位置。DALL-E 2善于生成自然图像，但有时难以理解物体关系，"麻省理工学院CSAIL博士生和共同主要作者Li Shuang说。"除了艺术和创意，也许我们可以把我们的模型用于教学。如果你想告诉孩子把一个立方体放在一个球体的上面，如果我们用语言这么说，他们可能很难理解。但我们的模型可以生成图像并向他们展示。"
让DALL-E感到自豪
可组合扩散--该团队的模型--将扩散模型与组合运算符一起使用，无需进一步的训练就能组合出文字描述。该团队的方法比原始扩散模型更准确地捕捉文本细节，后者直接将文字编码为一个长句。例如，给定"粉红色的天空"和"地平线上的一座蓝色的山"和"山前的樱花"，该团队的模型能够准确地生成该图像，而原始的扩散模型使天空变成蓝色，山前的一切变成粉红色。
研究人员能够用"一只狗"和"天空"的文字创造出一些令人惊讶的、超现实的图像。左边出现的是一只狗和云，下面标有"狗"和"天空"，右边出现的是两张像云一样的狗的图像，下面标有"狗和天空"。
"我们的模型是可组合的，这意味着你可以学习模型的不同部分，一次一个。你可以先学习另一个物体上面的一个物体，然后学习另一个物体右边的一个物体，再学习另一个物体左边的东西，"共同主要作者、麻省理工学院CSAIL博士生Du Yilun说。"由于我们可以将这些东西组合在一起，你可以想象我们的系统使我们能够逐步学习语言、关系或知识，我们认为这是未来工作的一个相当有趣的方向。"
虽然这种方法在生成复杂、逼真的图像方面表现出了优势，但它仍然面临着挑战，因为该模型是在比《DALL-E 2》这样的数据集小得多的基础上训练的。
现在，可压缩扩散可以在生成模型的基础上工作，如DALL-E 2，研究人员准备探索持续学习作为潜在的下一步。鉴于通常会有更多的东西被添加到物体关系中，他们想看看扩散模型是否可以开始"学习"，而不会忘记以前学过的知识--达到模型可以用以前和新的知识生成图像的程度。
这幅照片插图是用麻省理工学院的一个名为"可组合扩散"的系统生成的图像制作的，并在Photoshop中排列。像"扩散模型"和"网络"这样的短语被用来生成粉红色的点和几何角度的图像。短语"一匹马和一片黄花地"被包含在图像的顶部。左边是生成的马和黄土地的图像，右边是黄花地里的马的组合图像。资料来源：Jose-Luis Olivares, MIT和研究人员
"这项研究提出了一种在文本-图像生成中合成概念的新方法，不是通过串联它们来形成提示，而是通过计算与每个概念有关的分数，并使用连接和否定运算符来合成它们，"Mark Chen说。他是DALL-E 2的共同创造者，也是OpenAI的研究科学家。"这是一个很好的想法，它利用了扩散模型的基于能量的解释，因此，围绕着使用基于能量的模型的组合性的旧想法可以被应用。该方法还能够利用无分类器的指导，令人惊讶的是，它在各种构成性基准上的表现优于GLIDE基线，并能在质量上产生非常不同的图像生成类型。"
"人类可以以无数种方式组成包括不同元素的场景，但这项任务对计算机来说是具有挑战性的，"Adobe Systems的研究科学家Bryan Russel说。"这项工作提出了一个优雅的表述，它明确地组成了一组扩散模型，以生成一个给定的复杂自然语言提示的图像。"
京东创始人刘强东和其妻子章泽天最近成为了互联网舆论关注的焦点。有关他们“移民美国”和在美国购买豪宅的传言在互联网上广泛传播。然而，京东官方通过微博发言人发布的消息澄清了这些传言，称这些言论纯属虚假信息和蓄意捏造。
日前，据博主“@超能数码君老周”爆料，国内三大运营商中国移动、中国电信和中国联通预计将集体采购百万台规模的华为Mate60系列手机。
据报道，荷兰半导体设备公司ASML正看到美国对华遏制政策的负面影响。阿斯麦（ASML）CEO彼得·温宁克在一档电视节目中分享了他对中国大陆问题以及该公司面临的出口管制和保护主义的看法。彼得曾在多个场合表达了他对出口管制以及中荷经济关系的担忧。
今年早些时候，抖音悄然上线了一款名为“青桃”的 App，Slogan 为“看见你的热爱”，根据应用介绍可知，“青桃”是一个属于年轻人的兴趣知识视频平台，由抖音官方出品的中长视频关联版本，整体风格有些类似B站。
日前，威马汽车首席数据官梅松林转发了一份“世界各国地区拥车率排行榜”，同时，他发文表示：中国汽车普及率低于非洲国家尼日利亚，每百户家庭仅17户有车。意大利世界排名第一，每十户中九户有车。
近日，一项新的研究发现，维生素 C 和 E 等抗氧化剂会激活一种机制，刺激癌症肿瘤中新血管的生长，帮助它们生长和扩散。
据媒体援引消息人士报道，苹果公司正在测试使用3D打印技术来生产其智能手表的钢质底盘。消息传出后，3D系统一度大涨超10%，不过截至周三收盘，该股涨幅回落至2%以内。
9月2日，坐拥千万粉丝的网红主播“秀才”账号被封禁，在社交媒体平台上引发热议。平台相关负责人表示，“秀才”账号违反平台相关规定，已封禁。据知情人士透露，秀才近期被举报存在违法行为，这可能是他被封禁的部分原因。据悉，“秀才”年龄39岁，是安徽省亳州市蒙城县人，抖音网红，粉丝数量超1200万。他曾被称为“中老年...
9月3日消息，亚马逊的一些股东，包括持有该公司股票的一家养老基金，日前对亚马逊、其创始人贝索斯和其董事会提起诉讼，指控他们在为 Project Kuiper 卫星星座项目购买发射服务时“违反了信义义务”。
据消息，为推广自家应用，苹果现推出了一个名为“Apps by Apple”的网站，展示了苹果为旗下产品（如 iPhone、iPad、Apple Watch、Mac 和 Apple TV）开发的各种应用程序。
特斯拉本周在美国大幅下调Model S和X售价，引发了该公司一些最坚定支持者的不满。知名特斯拉多头、未来基金（Future Fund）管理合伙人加里·布莱克发帖称，降价是一种“短期麻醉剂”，会让潜在客户等待进一步降价。
据外媒9月2日报道，荷兰半导体设备制造商阿斯麦称，尽管荷兰政府颁布的半导体设备出口管制新规9月正式生效，但该公司已获得在2023年底以前向中国运送受限制芯片制造机器的许可。
近日，根据美国证券交易委员会的文件显示，苹果卫星服务提供商 Globalstar 近期向马斯克旗下的 SpaceX 支付 6400 万美元（约 4.65 亿元人民币）。用于在 2023-2025 年期间，发射卫星，进一步扩展苹果 iPhone 系列的 SOS 卫星服务。
据报道，马斯克旗下社交平台𝕏（推特）日前调整了隐私政策，允许 𝕏 使用用户发布的信息来训练其人工智能（AI）模型。新的隐私政策将于 9 月 29 日生效。新政策规定，𝕏可能会使用所收集到的平台信息和公开可用的信息，来帮助训练 𝕏 的机器学习或人工智能模型。
9月2日，荣耀CEO赵明在采访中谈及华为手机回归时表示，替老同事们高兴，觉得手机行业，由于华为的回归，让竞争充满了更多的可能性和更多的魅力，对行业来说也是件好事。
《自然》30日发表的一篇论文报道了一个名为Swift的人工智能（AI）系统，该系统驾驶无人机的能力可在真实世界中一对一冠军赛里战胜人类对手。
近日，非营利组织纽约真菌学会（NYMS）发出警告，表示亚马逊为代表的电商平台上，充斥着各种AI生成的蘑菇觅食科普书籍，其中存在诸多错误。
社交媒体平台𝕏（原推特）新隐私政策提到：“在您同意的情况下，我们可能出于安全、安保和身份识别目的收集和使用您的生物识别信息。”
2023年德国柏林消费电子展上，各大企业都带来了最新的理念和产品，而高端化、本土化的中国产品正在不断吸引欧洲等国际市场的目光。
罗永浩日前在直播中吐槽苹果即将推出的 iPhone 新品，具体内容为：“以我对我‘子公司’的了解，我认为 iPhone 15 跟 iPhone 14 不会有什么区别的，除了序（列）号变了，这个‘不要脸’的东西，这个‘臭厨子’。
京公网安备 11010502044972号