最初，它是 GPT-一种 可以与语言一起工作的技术——回答问题、完成文本、分。它被改进为 GPT-3——它的能力扩展到文本信息之外，并使其能够处理图像。 早在 2021 年 1 月，这项技术就推出了令人兴奋的新版本，可以在文本和图像之间建立联系。这个神经网络被称为 DALLE。最了不起的是，它不仅可以想出我们已知的物体，还可以产生全新的组合，创造出自然界不存在的物体。简单来说，DALLE 是一个由解码器组成的转换器，它处理 1280 个令牌的序列。这些是 256 个文本标记和 1024 个图像部分标记。该算法以与文本中的单词相同的方式处理图像区域，并以与 GPT-3 生成新文本的方式相同的方式生成新图像。
2022 年，该项目扩展到 DALLE-2
改进后的版本仅根据文本提示创建图像。 DALLE-2 是如何工作的？ 这不是第一次尝试创建文本 电话线索 到图像生成系统。然而，DALLE-2 的功能要广泛得多。这种神经网络可以有效地将文本和视觉抽象联系起来，并提供逼真的图像。系统如何知道特定对象如何与环境交互？该算法很难详细解释。尽管如此，它大致仍由几个阶段组成，并使用其他 OpenAI 模型——CLIP（对比语言图像预训练）和 GLIDE（用于生成和编辑的引导语言到图像扩散）。
通过 CLIP 文本编码器将图像描述映射到它的空间表示
CLIP 接受了数亿张图像及其相关说明的训练，弄清楚一段特定的文本与图像的关系。该模型不 智利电子邮件列表 会预测标题，但会了解它与图像的关系。这种比较方法允许建立同一抽象对象的文本和视觉表示之间的关系。这个阶段对于神经网络创建图像至关重要。 对 CLIP 学习的图像进行编码。下一个任务是创建图像，其细节已由 CLIP 建议。
mahmuda701 
