Главная особенность от прямого конкурента заключается именно в диффузии — изначально, когда генератору задают текст, он формирует изображение небольшого разрешения, постепенно повышая и разрешение, и детализацию конечного «рисунка». В результате искусственному интеллекту удаётся нарисовать собаку на велосипеде, например, настолько реалистично, насколько это вообще кажется возможным. И данный метод оказался более точным в сравнении с генератором изображений, который формирует конечный кадр сверху вниз — алгоритм часто промахивался, создавая довольно странные полотна.
В теоретическом плане механизм работы диффузии очень прост — генератор изображений Imagen начинает создание рисунка с небольшого полотна с разрешением 64×64 пикселя. Далее, исходя из технического задания, искусственный интеллект определяет, что на глаз собаки нужно выделить 3 пикселя в ширину — этого, конечно, недостаточно для детализированного самовыражения, но генератор использует первое полотно как базу. Далее, когда разрешение полотна повышается, на глаз питомца выделяется уже 12 пикселей, так что система берёт свои знания, полученные при машинном обучении, и дорисовывает определённые детали, заполняя пространство.
После этого генератор ещё раз повышает разрешение полотна (в конечном итоге разрешение изображения составит 1024×1024 пикселя), выделяя под газ собаки уже 48 пикселей — система вновь оценивает ситуацию, заполняя появившиеся пиксели дополнительными деталями на основе своей базы данных. В результате получаются действительно реалистичные и довольно проработанные изображения практически любой тематики с участием животных.
Материалы по теме:
- Настоящий ИИ появится на 13 лет раньше — в 2029. По каким критериям его признают
На что поменять iPhone: какие Android-модели разочаруют, а какие внезапно обрадуют
5 неожиданностей, с которыми сталкиваешься без сервисов Google уже в первую неделю
5 функций MIUI от Xiaomi, скопированные в чистый Android. Китайцы гениальны
Google возвращает гамбургерное меню Android, и это ужасно
Источник: