微网站怎么注册,中外网站建设区别,计算机网站建设文献综述,wordpress 注销按钮文本生成是许多用户正在使用的#xff0c;也是所有生成式人工智能工具中影响最大的。但生成式人工智能的一部分兴奋点也在于图像生成。目前也开始出现一些可以生成文本或图像的模型#xff0c;这些有时被称为多模态模型#xff0c;因为它们可以在多种模式中操作#xff0c;…文本生成是许多用户正在使用的也是所有生成式人工智能工具中影响最大的。但生成式人工智能的一部分兴奋点也在于图像生成。目前也开始出现一些可以生成文本或图像的模型这些有时被称为多模态模型因为它们可以在多种模式中操作如文本或图像。在这个视频中我想与您分享图像生成是如何工作的。
让我们来看看。只需一个提示您就可以使用生成式人工智能生成一个从未存在过的人的美丽图片或者一个未来主义场景的图片或者像这样一个酷炫的机器人的图片。这项技术是如何工作的呢今天的图像生成主要是通过一种称为扩散模型的方法完成的。
扩散模型从互联网或其他地方找到的大量图像中学习。事实证明扩散模型的核心是监督学习。这是它的工作原理。假设算法在互联网上找到了一个苹果的图片像这样它希望从这样的图片和其他数亿张图片中学习如何生成图像。第一步是拿这张图片逐渐添加越来越多的噪声。你可以从这个漂亮的苹果图片变成一个更嘈杂的再到一个更嘈杂的最后变成一个看起来像纯噪声的图片。所有像素都是随机选择的一点也不像苹果。然后扩散模型使用这样的图片作为数据通过监督学习学会输入一个噪声图片并输出一个稍微清晰一点的图片。具体来说它会创建一个数据集其中第一个数据点说如果给出第二张输入图片我们希望监督学习算法学会输出这个苹果的更清晰版本。这是另一个数据点给出这第三张更嘈杂的图片我们希望算法学会输出像这样稍微清晰一点的图片。最后给出一个像这第四张图片的纯噪声我们希望它学会输出一个暗示苹果存在的稍微清晰一点的图片。
在经过可能数亿张图片的培训后像这样的过程当你想要应用它来生成一张新图片时这就是你运行它的方式。
首先是从纯噪声图片开始。首先拍摄一张图片图片中的每一个像素都是完全随机选择的。然后我们将这张图片输入到我们之前行的监督学习算法中。 当我们输入纯粹噪声时它学会从这张图片中去除一点噪声你可能会得到一张暗示着中间有某种水果的图片但我们还不确定它是什么。给定第二张图片我们再次输入到模型中它会去除更多的噪声现在看起来我们可以看到一张带有噪声的西瓜图片。
如果你再应用一 次这个过程我们最终会得到这张第四张图片看起来像是一张漂亮的西瓜图片。我在前一张幻灯片中用四个步骤说明增加噪声的过程在这张幻灯片中用四个步骤说明去除噪声的过程。
但在实践中扩散模型大概有100个步骤会更典型。这个算法适用于完全随机生成图片。
但我们想能够通过指定一个提示来控制它生成的图像告诉它我们想要生成什么。让我描述一下这个算法的修改让你添加文本或提示来告诉它你想生成什么。在这个训练数据中我们得到了这样的苹果图片以及可能生成这个苹果的描述或提示。这里我有一个文本描述说这是一个红苹果。然后我们会像以前一样向这张图片中添加噪声直到得到第四张图像即纯粹的噪声。但我们要改变构建学习算法的方式也就是说不是将稍微嘈杂的图片作为输入期望它生成一张干净的图片我们会将输入A给监督学习算法B这个嘈杂的图片以及能生成这张图片的文本标题或提示即红苹果。给定这个输入我们希望算法输出这张干净的苹果图片。
同样我们将使用其他嘈杂的图像为算法生成额外的数据点。每次给定一个嘈杂的图像和文本提示红苹果我们希望算法学会生成一个红苹果的更清晰的图片。 在从大量数据集中学习之后当你想应用这个算法生成比如说绿色香蕉时这就是你要做的。和以前一样我们从一张纯粹噪声的图像开始。每一个像素都是完全随机选择的。如果你想生成一个绿色的香蕉你就把这张纯粹噪声的图片和提示“绿色香蕉”输入到监督学习算法中
。现在它知道你想要一个绿色的香蕉希望它会输出这样的图片。看不清楚香蕉但可能中间有一些建议绿色的水果这是图像生成的第一步。下一步是我们将这张右边的图像作为输出B再次作为输入A再加上提示“绿色香蕉”让它生成一张稍微清晰的图片现在我们清楚地看到看起来有一个绿色的香蕉但是相当嘈杂的。
我们再做一次这个过程它最终去除了大部分噪声直到我们得到了那张相当不错的绿色香蕉图片。这就是扩散模型用于生成图像的工作方式。在生成美丽图像的这个神奇过程的核心再次是监督学习。感谢您坚持观看这个可选视频期待下周见到您届时我们将更深入地探讨使用生成AI构建的应用程序。下一个视频见。
参考
https://www.coursera.org/learn/generative-ai-for-everyone/lecture/CQP1v/image-generation-optional
