輸入文字就能生成高解析圖片！OpenAI 發表新版 DALL·E 2 AI 系統

eric955168

作者  Evan∣發布日期 2022年04月10日 10:30

AI人工智慧的發展一日千里，並在許多方面展現超越人類的能耐，AI不但打敗了世界棋王，也擊潰電競冠軍團隊（例如，OpenAI透過自家開發的Bots讓《Dota 2》遊戲頂尖高手在一場表演賽中首嘗敗北的滋味）。不僅如此，AI還會寫文章，由OpenAI研究實驗室推出的GPT-2及GPT-3文字產生預訓練語言模型，因為能書寫出媲美人類文筆的文章，因而淪為撰寫假新聞的利器。如今，OpenAI推出新一代的DALL．E 2系統，只要透過一段描述文字便能叫AI幫你產生各種圖片。

去年1月OpenAI推出基於GPT-2／GPT-3語言模型與CLIP影像辨識系統的DALL．E，可將使用者輸入文字轉變成生動的超現實主義圖片。例如，使用者可以透過文字描述，要求DALL．E產生一張太空人在外太空騎馬的圖片，或是兩隻泰迪熊在月球上致力新AI研究的圖片，所以其超現實的程度甚至媲美超現實主義畫家達利（Salvador Dalí）。「DALL．E」這個字就是達利與迪士尼電影《瓦力》（WALL-E）機器人這兩個名字的組合。

但第一代的DALL．E圖片畫素只有256×256，如今第2代的DALL．E 2圖片畫質可達1024×1024，所以解析度與低延遲的表現更勝一籌。如今DALL．E 2更新了CLIP系統，並改名叫unCLIP。該新系統支援名為擴散作用（diffusion）的處理程式，該程式會先從隨機點形成的圖案開始，一旦取得更具體的描述重點後，會漸近地轉變成圖片。

除了產生新圖片外，使用者還可透過DALL．E 2局部變更現有圖片中的一部分，例如在水池中新增一隻鴨子或去除某個物件，系統同時會將陰影、反光及材質等因素納入考量。使用者還可以根據原始圖片，發揮創意地額外產生不同風格、內容或角度的變體圖片。

如同語言模型會被拿來產生假新聞一樣，DALL．E 2之類的圖片產生工具也有可能遭到濫用。對此，OpenAI提供了一些到位的保護機制，包括使用者無法根據姓名生成人像照，也無法生成或上傳令人反感的內容。再者，除了仇恨、騷擾、暴力、自殘、裸露及非法活動等主題嚴禁涉及外，也禁止產生包括假新聞、政局、醫療乃至疾病相關的圖片。

未來，Open AI有可能不會直接公開推出DALL．E 2，而會提供給第三方App使用。