ಪರಿವಿಡಿ[ಮರೆಮಾಡಿ][ತೋರಿಸಿ]
ಹೊಸ ಮತ್ತು ಸುಧಾರಿತ AI ಸುಧಾರಿತ ಸಾಮರ್ಥ್ಯಗಳು, ಗ್ರಹಿಕೆ ಮತ್ತು ಹೆಚ್ಚಿನ ರೆಸಲ್ಯೂಶನ್ ಚಿತ್ರಗಳನ್ನು ಉತ್ಪಾದಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿದೆ. ನೀವು ಇತ್ತೀಚೆಗೆ ಅಂತರ್ಜಾಲದಲ್ಲಿ ತೇಲುತ್ತಿರುವ ಕೆಲವು ವಿಚಿತ್ರ ಮತ್ತು ವಿನೋದಮಯ ಚಿತ್ರಗಳನ್ನು ನೋಡಿರಬಹುದು.
ಶಿಬಾ ಇನು ನಾಯಿಯು ಬೆರೆಟ್ ಮತ್ತು ಕಪ್ಪು ಆಮೆಯನ್ನು ಧರಿಸಿದೆ. ಮತ್ತು ಡಚ್ ವರ್ಣಚಿತ್ರಕಾರ ವರ್ಮೀರ್ ಅವರ "ಗರ್ಲ್ ವಿತ್ ಎ ಪರ್ಲ್ ಇಯರಿಂಗ್" ರೀತಿಯಲ್ಲಿ ಸಮುದ್ರ ನೀರುನಾಯಿ. ಮತ್ತು ಉಣ್ಣೆಯ ದೈತ್ಯಾಕಾರದಂತೆ ಕಾಣುವ ಒಂದು ಕಪ್ ಸೂಪ್ ಇದೆ.
ಈ ಚಿತ್ರಗಳು ಮಾನವ ಕಲಾವಿದರಿಂದ ರಚಿಸಲಾಗಿಲ್ಲ.
ಬದಲಿಗೆ, DALL-E 2, ಪಠ್ಯ ವಿವರಣೆಗಳನ್ನು ಚಿತ್ರಗಳಾಗಿ ಪರಿವರ್ತಿಸುವ ಹೊಸ AI ವ್ಯವಸ್ಥೆ, ಅವುಗಳನ್ನು ರಚಿಸಲಾಗಿದೆ.
ನೀವು ಏನನ್ನು ನೋಡಬೇಕೆಂದು ಸರಳವಾಗಿ ಬರೆಯಿರಿ ಮತ್ತು AI ಅದನ್ನು ನಿಮಗಾಗಿ ರಚಿಸುತ್ತದೆ - ಎದ್ದುಕಾಣುವ ವಿವರ, ಉತ್ತಮ ಗುಣಮಟ್ಟ ಮತ್ತು, ಕೆಲವು ಸಂದರ್ಭಗಳಲ್ಲಿ, ನಿಜವಾದ ಸೃಜನಶೀಲತೆ. ಈ ಪೋಸ್ಟ್ನಲ್ಲಿ, ನಾವು OpenAI ನ ಇತ್ತೀಚಿನ ಅಧ್ಯಯನ, DALL.E 2, ಹಾಗೆಯೇ ಅದು ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಮತ್ತು ಹೆಚ್ಚಿನದನ್ನು ಆಳವಾಗಿ ನೋಡೋಣ. ನಾವೀಗ ಆರಂಭಿಸೋಣ.
ಆದ್ದರಿಂದ, ನಿಖರವಾಗಿ ಏನು DALL.E 2?
DALL-E 2 ಒಂದು "ಉತ್ಪಾದಕ ಮಾದರಿ" ಆಗಿದೆ, ಇದು ಇನ್ಪುಟ್ ಡೇಟಾದಲ್ಲಿ ಭವಿಷ್ಯ ಅಥವಾ ವರ್ಗೀಕರಣ ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸುವ ಬದಲು ಸಂಕೀರ್ಣವಾದ ಔಟ್ಪುಟ್ ಅನ್ನು ಉತ್ಪಾದಿಸುವ ಯಂತ್ರ ಕಲಿಕೆಯ ಅಲ್ಗಾರಿದಮ್ನ ಒಂದು ವಿಧವಾಗಿದೆ.
ನೀವು ಲಿಖಿತ ವಿವರಣೆಯೊಂದಿಗೆ DALL-E 2 ಅನ್ನು ಒದಗಿಸುತ್ತೀರಿ ಮತ್ತು ಅದು ಅದಕ್ಕೆ ಅನುಗುಣವಾದ ಚಿತ್ರವನ್ನು ರಚಿಸುತ್ತದೆ. ಪರಿಕಲ್ಪನೆಗಳು, ಗುಣಗಳು ಮತ್ತು ಶೈಲಿಗಳನ್ನು ಸಂಯೋಜಿಸುವ ಮೂಲಕ, OpenAI ನ DALLE 2 ಮೂಲಭೂತ ಭಾಷಾ ವಿವರಣೆಯಿಂದ ನವೀನ, ವಾಸ್ತವಿಕ ಗ್ರಾಫಿಕ್ಸ್ ಮತ್ತು ಕಲೆಯನ್ನು ಉತ್ಪಾದಿಸಬಹುದು.
ಇತ್ತೀಚಿನ ಆವೃತ್ತಿ, DALLE 2, ಹೆಚ್ಚು ಬಹುಮುಖವಾಗಿದೆ ಎಂದು ಹೇಳಲಾಗುತ್ತದೆ, ಹೆಚ್ಚಿನ ರೆಸಲ್ಯೂಶನ್ಗಳಲ್ಲಿ ಮತ್ತು ಸೃಜನಶೀಲ ಶೈಲಿಗಳ ವ್ಯಾಪಕ ಶ್ರೇಣಿಯಲ್ಲಿ ಶೀರ್ಷಿಕೆಗಳಿಂದ ಚಿತ್ರಗಳನ್ನು ಮಾಡುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿದೆ. ಉದಾಹರಣೆಗೆ, ಕೆಳಗಿನ ಚಿತ್ರಗಳನ್ನು (DALL-E 2 ಬ್ಲಾಗ್ ಪೋಸ್ಟ್ನಿಂದ) "ಗಗನಯಾತ್ರಿ ಕುದುರೆ ಸವಾರಿ" ಎಂಬ ವಿವರಣೆಯಿಂದ ರಚಿಸಲಾಗಿದೆ.
ಒಂದು ವಿವರಣೆಯು "ಪೆನ್ಸಿಲ್ ಸ್ಕೆಚ್ನಂತೆ" ಮುಕ್ತಾಯಗೊಳ್ಳುತ್ತದೆ, ಆದರೆ ಇನ್ನೊಂದು "ಫೋಟೋರಿಯಲಿಸ್ಟಿಕ್ ರೀತಿಯಲ್ಲಿ" ಮುಕ್ತಾಯಗೊಳ್ಳುತ್ತದೆ.
ಇದು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಛಾಯಾಚಿತ್ರಗಳನ್ನು ಬೆರಗುಗೊಳಿಸುವ ನಿಖರತೆಯೊಂದಿಗೆ ಬದಲಾಯಿಸಬಹುದು. ಆದ್ದರಿಂದ, ಬಣ್ಣಗಳು, ಪ್ರತಿಫಲನಗಳು ಮತ್ತು ನೆರಳುಗಳನ್ನು ಇರಿಸಿಕೊಂಡು ಮೂಲ ಚಿತ್ರದ ನೋಟವನ್ನು ಉಳಿಸಿಕೊಂಡು ನೀವು ಅಂಶಗಳನ್ನು ಸೇರಿಸಬಹುದು ಅಥವಾ ಅಳಿಸಬಹುದು.
ಇದು ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ?
DALL-E 2 CLIP ಮತ್ತು ಪ್ರಸರಣ ಮಾದರಿಗಳನ್ನು ಬಳಸುತ್ತದೆ, ಎರಡು ಅತ್ಯಾಧುನಿಕವಾಗಿದೆ ಆಳವಾದ ಕಲಿಕೆ ಇತ್ತೀಚಿನ ವರ್ಷಗಳಲ್ಲಿ ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ವಿಧಾನಗಳು. ಆದಾಗ್ಯೂ, ಇದು ಎಲ್ಲಾ ಇತರ ಆಳವಾದ ಅದೇ ಕಲ್ಪನೆಯನ್ನು ಆಧರಿಸಿದೆ ನರ ಜಾಲಗಳು: ಪ್ರಾತಿನಿಧ್ಯ ಕಲಿಕೆ. CLIP ಏಕಕಾಲದಲ್ಲಿ ಇಬ್ಬರಿಗೆ ತರಬೇತಿ ನೀಡುತ್ತದೆ ನರಮಂಡಲ ಜಾಲಗಳು ಚಿತ್ರಗಳು ಮತ್ತು ಶೀರ್ಷಿಕೆಗಳ ಮೇಲೆ.
ಒಂದು ನೆಟ್ವರ್ಕ್ ಚಿತ್ರದಲ್ಲಿನ ದೃಶ್ಯ ಪ್ರಾತಿನಿಧ್ಯಗಳನ್ನು ಕಲಿಯುತ್ತದೆ, ಆದರೆ ಇನ್ನೊಂದು ಪಠ್ಯ ಪ್ರಾತಿನಿಧ್ಯಗಳನ್ನು ಕಲಿಯುತ್ತದೆ. ತರಬೇತಿಯ ಸಮಯದಲ್ಲಿ, ಎರಡು ನೆಟ್ವರ್ಕ್ಗಳು ತಮ್ಮ ನಿಯತಾಂಕಗಳನ್ನು ಮಾರ್ಪಡಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತವೆ ಇದರಿಂದ ಹೋಲಿಸಬಹುದಾದ ಚಿತ್ರಗಳು ಮತ್ತು ವಿವರಣೆಗಳು ಒಂದೇ ರೀತಿಯ ಎಂಬೆಡಿಂಗ್ಗಳಿಗೆ ಕಾರಣವಾಗುತ್ತವೆ.
"ಡಿಫ್ಯೂಷನ್," ಅದರ ತರಬೇತಿ ಮಾದರಿಗಳನ್ನು ಕ್ರಮೇಣ ಶಬ್ದ ಮಾಡುವ ಮತ್ತು ಡಿನೋಯಿಸ್ ಮಾಡುವ ಮೂಲಕ ಚಿತ್ರಗಳನ್ನು ಮಾಡಲು ಕಲಿಯುವ ಒಂದು ರೀತಿಯ ಉತ್ಪಾದಕ ಮಾದರಿ, ಇದು DALL-E 2 ರಲ್ಲಿ ಬಳಸಲಾದ ಇತರ ಯಂತ್ರ ಕಲಿಕೆಯ ವಿಧಾನವಾಗಿದೆ. ಡಿಫ್ಯೂಷನ್ ಮಾದರಿಗಳು ಆಟೋಎನ್ಕೋಡರ್ಗಳಿಗೆ ಹೋಲುತ್ತವೆ, ಅವುಗಳು ಇನ್ಪುಟ್ ಡೇಟಾವನ್ನು ಪರಿವರ್ತಿಸುತ್ತವೆ. ಎಂಬೆಡಿಂಗ್ ಪ್ರಾತಿನಿಧ್ಯ ಮತ್ತು ನಂತರ ಮೂಲ ಡೇಟಾವನ್ನು ಮರುಸೃಷ್ಟಿಸಲು ಎಂಬೆಡಿಂಗ್ ಮಾಹಿತಿಯನ್ನು ಬಳಸಿ.
OpenAI ಗಳನ್ನು ಬಳಸುವುದು ಭಾಷಾ ಮಾದರಿ CLIP, ಛಾಯಾಚಿತ್ರಗಳೊಂದಿಗೆ ಪಠ್ಯ ವಿವರಣೆಯನ್ನು ಸಂಪರ್ಕಿಸಬಹುದು, ಇದು ಮೊದಲು ಲಿಖಿತ ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ಮಧ್ಯಂತರ ರೂಪಕ್ಕೆ ಭಾಷಾಂತರಿಸುತ್ತದೆ, ಅದು ಚಿತ್ರವು ಆ ಪ್ರಾಂಪ್ಟ್ಗೆ ಹೊಂದಿಕೆಯಾಗಬೇಕಾದ ನಿರ್ಣಾಯಕ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಸಂಯೋಜಿಸುತ್ತದೆ (CLIP ಪ್ರಕಾರ).
ಎರಡನೆಯದಾಗಿ, DALL-E 2 CLIP-ಕಂಪ್ಲೈಂಟ್ ಅನ್ನು ರಚಿಸುತ್ತದೆ ಪ್ರಸರಣ ಮಾದರಿಯನ್ನು ಬಳಸುವ ಚಿತ್ರ, ಇದು ನರಮಂಡಲವಾಗಿದೆ.
ಯಾದೃಚ್ಛಿಕ ಪಿಕ್ಸೆಲ್ಗಳೊಂದಿಗೆ ವಿರೂಪಗೊಂಡ ಫೋಟೋಗಳಲ್ಲಿ, ಪ್ರಸರಣ ಮಾದರಿಗಳನ್ನು ಕಲಿಯಲಾಗುತ್ತದೆ. ಫೋಟೋಗಳ ಮೂಲ ರೂಪವನ್ನು ಮರುಸ್ಥಾಪಿಸುವುದು ಹೇಗೆ ಎಂದು ಅವರು ಕಲಿಯುತ್ತಾರೆ. ಪ್ರಸರಣ ಮಾದರಿಗಳು ಉತ್ತಮ ಗುಣಮಟ್ಟದ ಸಂಶ್ಲೇಷಿತ ಚಿತ್ರಗಳನ್ನು ಉತ್ಪಾದಿಸಬಹುದು, ವಿಶೇಷವಾಗಿ ವೈವಿಧ್ಯತೆಯ ಮೇಲೆ ನಿಖರತೆಗೆ ಆದ್ಯತೆ ನೀಡುವ ಮಾರ್ಗದರ್ಶಿ ವಿಧಾನದೊಂದಿಗೆ ಬಳಸಿದಾಗ.
ಪರಿಣಾಮವಾಗಿ, ದಿ ಪ್ರಸರಣ ಮಾದರಿ ಯಾದೃಚ್ಛಿಕ ಪಿಕ್ಸೆಲ್ಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ಪದ ಪ್ರಾಂಪ್ಟ್ಗೆ ಹೊಂದಿಕೆಯಾಗುವ ಹೊಸ ಚಿತ್ರವಾಗಿ ಪರಿವರ್ತಿಸಲು CLIP ಅನ್ನು ಬಳಸುತ್ತದೆ. ಪ್ರಸರಣ ಪರಿಕಲ್ಪನೆಯ ಕಾರಣ, DALL-E 2 DALL-E ಗಿಂತ ವೇಗವಾಗಿ ಹೆಚ್ಚಿನ ರೆಸಲ್ಯೂಶನ್ ಚಿತ್ರಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ.
DALL.E 2 ಬಳಕೆಯ ಪ್ರಕರಣ
ಕಳೆದ ಇಪ್ಪತ್ತು ವರ್ಷಗಳಲ್ಲಿ, ಕಂಪ್ಯೂಟರ್ ದೃಷ್ಟಿ ತಂತ್ರಜ್ಞಾನವು ಸರಳ ಕಲ್ಪನೆಯಿಂದ ಪ್ರಮುಖ ಪ್ರಗತಿಗೆ ಪ್ರಗತಿ ಸಾಧಿಸಿದೆ. ಈ ಪ್ರಗತಿಗಳ ಹೊರತಾಗಿಯೂ, ಚಿತ್ರ ಮತ್ತು ವಸ್ತು ಗುರುತಿಸುವಿಕೆ ಮಾದರಿಗಳು ದೈನಂದಿನ ಜೀವನದಲ್ಲಿ ಇನ್ನೂ ಗಮನಾರ್ಹ ಅಡೆತಡೆಗಳನ್ನು ಎದುರಿಸುತ್ತವೆ. ಡೇಟಾಸೆಟ್ಗಳ ಅನುಪಸ್ಥಿತಿಯು ಇಮೇಜ್ ಗುರುತಿಸುವಿಕೆ ಮತ್ತು ಕಂಪ್ಯೂಟರ್ ದೃಷ್ಟಿಯ ಅತ್ಯಂತ ಗಮನಾರ್ಹ ನ್ಯೂನತೆಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ. ಎರಡೂ ತುದಿಗಳಲ್ಲಿ ಡೇಟಾ ಕೊರತೆ ಇರುವುದರಿಂದ, 100 ಪ್ರತಿಶತ ನಿಖರ ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡಲು ಚಿತ್ರ ಗುರುತಿಸುವಿಕೆ ಮಾದರಿಗಳನ್ನು ತರಬೇತಿ ಮಾಡುವುದು ಬಹುತೇಕ ಕಷ್ಟಕರವಾಗಿದೆ.
ಅದೃಷ್ಟವಶಾತ್, OpenAI ನ ಹೊಸ ಯಂತ್ರ ಕಲಿಕೆ ಮಾದರಿಯು ತಂತ್ರಜ್ಞಾನದಲ್ಲಿನ ಅಂತರವನ್ನು ಕಡಿಮೆ ಮಾಡಬಹುದು. DALLE 2 ಪಠ್ಯ ವಿವರಣೆಗಳ ಆಧಾರದ ಮೇಲೆ ಅದ್ಭುತ ಚಿತ್ರಗಳನ್ನು ಉತ್ಪಾದಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿದೆ. ಈ ನಕಲಿ ಚಿತ್ರ ನಿರ್ಮಾಣವು ಅವುಗಳ ಅಗತ್ಯತೆಗಳ ಆಧಾರದ ಮೇಲೆ ಚಿತ್ರ ಗುರುತಿಸುವಿಕೆ ಮಾದರಿಗಳಿಗೆ ಡೇಟಾವನ್ನು ಒದಗಿಸಬಹುದು. ಡೇಟಾದ ಅನುಪಸ್ಥಿತಿಯು ವಸ್ತು ಮತ್ತು ಚಿತ್ರ ಗುರುತಿಸುವಿಕೆಗೆ ಗಮನಾರ್ಹವಾದ ಎಡವಟ್ಟಾಗಿದೆ.
ಡಿಜಿಟಲ್ ಯುಗದಲ್ಲಿ, ಡೇಟಾಸೆಟ್ಗಳು ಸರ್ವತ್ರವಾಗಿದೆ, ಆದರೂ ನಾವು ಇನ್ನೂ AI ಮಾದರಿಯನ್ನು ಪೋಷಿಸಲು ಶಾರ್ಟ್ಕಟ್ಗಳನ್ನು ಹುಡುಕುತ್ತಿದ್ದೇವೆ, ಆದ್ದರಿಂದ ಇದು ಉತ್ತಮ ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಚಿತ್ರ ಗುರುತಿಸುವಿಕೆ ಮಾದರಿಯನ್ನು ತರಬೇತಿ ಮಾಡುವುದು ಸುಲಭವಲ್ಲ. ಇದು ಸ್ವಲ್ಪ ವ್ಯತ್ಯಾಸಗಳೊಂದಿಗೆ ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ಡೇಟಾ ಸೆಟ್ಗಳ ಅಗತ್ಯವಿದೆ, ಅದನ್ನು ನಾವು ಸರಳವಾಗಿ ಹಿಂಪಡೆಯಲು ಸಾಧ್ಯವಾಗದಿರಬಹುದು.
ಆದ್ದರಿಂದ, ಉತ್ತರವೇನು: ಉತ್ತರವು DALLE 2 ಆಗಿದೆ. OpenAI ಚಿತ್ರ ಜನರೇಟರ್, ಪಠ್ಯಗಳಿಂದ ಚಿತ್ರಗಳನ್ನು ಉತ್ಪಾದಿಸುವ ಮತ್ತು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವವುಗಳನ್ನು ಬದಲಾಯಿಸುವ ಸಾಮರ್ಥ್ಯದೊಂದಿಗೆ, ಅಂತರವನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಇದು ಹೆಚ್ಚುವರಿ ತರಬೇತಿ ದತ್ತಾಂಶವನ್ನು ಉತ್ಪಾದಿಸುವಲ್ಲಿ ಸಹಾಯ ಮಾಡುತ್ತದೆ ಮತ್ತು ಅಗತ್ಯವಿರುವ ಮಾನವ ಲೇಬಲ್ನ ಪ್ರಮಾಣವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ. ಗಮನಾರ್ಹ ಪ್ರಯೋಜನದ ಹೊರತಾಗಿಯೂ, ನೀವು ಮೋಸದ ಚಿತ್ರ ನಿರ್ಮಾಣಗಳು ಮತ್ತು ಸೇರ್ಪಡೆಗಳನ್ನು ಹೊರತುಪಡಿಸಿದ ಚಿತ್ರಗಳ ಬಗ್ಗೆ ತಿಳಿದಿರಬೇಕು. ಇದು ಪಕ್ಷಪಾತದ ಫಲಿತಾಂಶಗಳನ್ನು ಉಂಟುಮಾಡುವ ಚಿತ್ರ ಪತ್ತೆ ವಿಧಾನಗಳಿಗೆ ಕಾರಣವಾಗಬಹುದು.
ಮಿತಿಗಳು
OpenAI ಪ್ರಕಾರ, DALL.E 2 ತಪ್ಪು ಕೈಗೆ ಬಿದ್ದರೆ ಹಾನಿಕಾರಕ ಪ್ರಭಾವವನ್ನು ಹೊಂದಿರಬಹುದು. ಇಂದಿನ ಆಳವಾದ ನಕಲಿಗಳ ಜಗತ್ತಿನಲ್ಲಿ, ಸುಳ್ಳು ಮಾಹಿತಿ ಅಥವಾ ಜನಾಂಗೀಯ ಚಿತ್ರಣವನ್ನು ಹರಡಲು ಮಾದರಿಯನ್ನು ಸುಲಭವಾಗಿ ಬಳಸಬಹುದು, ಅದಕ್ಕಾಗಿಯೇ OpenAI ಡೆವಲಪರ್ಗಳಿಗೆ ಆಹ್ವಾನದ ಮೂಲಕ DALL.2 ಅನ್ನು ಬಳಸಲು ಅನುಮತಿಸುತ್ತದೆ. ಮಾಡೆಲ್ ಅವರು ಪಡೆಯುವ ಎಲ್ಲಾ ಸಲಹೆಗಳಿಗೆ ಕಠಿಣ ವಿಷಯ ನಿರ್ಬಂಧವನ್ನು ಅನುಸರಿಸಬೇಕು.
ಯಾವುದೇ ಪ್ರತಿಕೂಲ ಅಥವಾ ಹಿಂಸಾತ್ಮಕ ಚಿತ್ರಗಳನ್ನು ರಚಿಸುವ DALL.E 2 ನ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊರಗಿಡಲು, ಡೇಟಾಸೆಟ್ ಅನ್ನು ಯಾವುದೇ ಮಾರಣಾಂತಿಕ ಶಸ್ತ್ರಾಸ್ತ್ರಗಳಿಲ್ಲದೆ ರಚಿಸಲಾಗಿದೆ. ಭವಿಷ್ಯದಲ್ಲಿ ಅದನ್ನು API ಆಗಿ ಪರಿವರ್ತಿಸಲು ಯೋಜಿಸಿದೆ ಎಂದು OpenAI ಹೇಳಿದ್ದರೂ, DALL.E 2 ನ ಸಂದರ್ಭದಲ್ಲಿ, ಅದು ಎಚ್ಚರಿಕೆಯಿಂದ ಮುಂದುವರಿಯಲು ಸಿದ್ಧವಾಗಿದೆ.
ತೀರ್ಮಾನ
DALL-E 2 ಮತ್ತೊಂದು ಆಸಕ್ತಿದಾಯಕ OpenAI ಸಂಶೋಧನಾ ಅನ್ವೇಷಣೆಯಾಗಿದ್ದು ಅದು ಹೊಸ ಅಪ್ಲಿಕೇಶನ್ಗಳಿಗೆ ಬಾಗಿಲು ತೆರೆಯುತ್ತದೆ.
ಕಂಪ್ಯೂಟರ್ ದೃಷ್ಟಿಯ ಮುಖ್ಯ ಅಡಚಣೆಗಳಲ್ಲಿ ಒಂದನ್ನು ಪೂರೈಸಲು ಬೃಹತ್ ಡೇಟಾಸೆಟ್ಗಳನ್ನು ರಚಿಸುವುದು ಒಂದು ಉದಾಹರಣೆಯಾಗಿದೆ-ಡೇಟಾ. ಅನೇಕ DALL-E-ಆಧಾರಿತ ಅಪ್ಲಿಕೇಶನ್ಗಳ ಆರ್ಥಿಕ ಪರಿಸ್ಥಿತಿಯನ್ನು OpenAI ತನ್ನ API ಬಳಕೆದಾರರಿಗೆ ಸ್ಥಾಪಿಸುವ ಬೆಲೆ ಮತ್ತು ನೀತಿಗಳಿಂದ ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ, ಅವೆಲ್ಲವೂ ನಿಸ್ಸಂದೇಹವಾಗಿ ಚಿತ್ರ ನಿರ್ಮಾಣವನ್ನು ಮುನ್ನಡೆಸುತ್ತವೆ.
ಪ್ರತ್ಯುತ್ತರ ನೀಡಿ