Mollick은 새로운 이미지 생성 모델의 의미를 제시합니다

최근 Google과 OpenAi가 출시 한 새로운 이미지 생성 모델은 광범위한 관심을 끌었으며 핵심 기술은 이전 모델과 완전히 다릅니다. Ethan Mollick의 기사 중 하나의 유용한 기사는 이러한 새로운 모델의 작업 메커니즘과 인간 사용자에게 미치는 영향을 탐구합니다. 이 기사는 Mollick의 견해를 해석 할 것입니다.

멀티 모달 이미지 생성의 잠재력

Mollick은 기존 이미지 생성 시스템이 여러 모델의 공동 작업의 산물이며 단일 모델은 모든 작업을 완료하지는 않습니다.

"과거에는 LLM (Lange Language Model) 생성 이미지가 LLM에 의해 직접 수행되지 않았습니다. AI는 텍스트 프롬프트를 독립적 인 이미지 생성 도구로 보내고 결과를 표시합니다. AI는 텍스트 프롬프트를 작성하는 데 도움이되었으며, 기능이 약한 다른 시스템은 이미지를 생성 할 책임이있었습니다."

확산 모델은 과거의 일이되었습니다.

구 모델은 주로 확산 모델 작업에 의존합니다. 확산 모델의 작동 원리는 이미지를 노이즈에 소개하고 추상화 처리를 수행 한 다음 노이즈를 제거하여 컴퓨터의 알려진 이미지 라이브러리의 프롬프트와 일치하는 이미지를 생성합니다.

그러나이 방법의 한계는 생성 된 이미지에 모델의 자체 추론과 판단이 없으며 기존 이미지 라이브러리의 간단한 조합이며 귀중한 정보를 제공 할 수 없다는 것입니다.

복합 제어의 장점

오늘날, 멀티 모달 제어 기술의 출현은 이러한 상황을 완전히 변화 시켰습니다.

Mollick은 다음과 같이 예를 들었습니다. 모델이 "코끼리가없는 방을 생성하고 이유를 표시"하도록 촉구했습니다. 전통적인 모델은 프롬프트의 맥락을 이해할 수 없기 때문에 코끼리가 포함 된 이미지를 생성합니다. 글자에 대한 모델의 이해는 훈련 데이터에서 비롯되기 때문에 생성 된 텍스트는 의미가 없거나 허구의 문자를 포함 할 수도 있습니다.

멀티 모달 모델은 요구 사항을 충족하는 이미지를 정확하게 생성하고 "도어가 너무 작다"와 같은 주석을 추가하여 방에 코끼리가없는 이유를 설명 할 수 있습니다.

전통적인 모델의 팁 도전

전통적인 모델의 중요한 단점은 일단 요소를 배제해야한다면 지침을 이해할 수 없기 때문에 해당 요소가 포함된다는 것입니다. 또한 각 수정 또는 조정은 이미지의 기본 구조를 변경합니다. 예를 들어, 캐릭터의 모자를 수정하면 캐릭터의 이미지가 완전히 변경 될 수 있습니다.

멀티 모달 이미지 생성 모델은 원래 결과를 유지하는 데 기초하여 미묘한 조정을 할 수 있습니다.

환경 유지 보수

Mollick은 또한 또 다른 예를 보여줍니다. 한 손으로 특정 항목을 보유한 수달 후 다른 맥락과 다른 스타일로 나타납니다. 이것은 멀티 모달 이미지 생성기의 미세한 통합 기능을 보여줍니다.

완전한 프레젠테이션

Mollick은 또한 아보카도 소스에 대한 권장 사항과 같은 멀티 모달 모델을 사용하여 완전한 프레젠테이션을 설계하는 방법을 보여줍니다. 간단한 지침 만 제공하면 모델이 인터넷에서 관련 정보를 검색하고 통합하며 최종 결과를 생성 할 수 있습니다.

Mollick이 말했듯이, 이것은 빠르게 많은 인간 사업을 대체 할 것입니다. 우리는 해당 프레임 워크 설정을 진지하게 고려해야합니다.

위 내용은 Mollick은 새로운 이미지 생성 모델의 의미를 제시합니다의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!