تا ما میایم یه چایی بخوریم، و قبلی رو هضمش کنیم دوستان یه مدل جدید میدن.
این بار نوبت Google Research بوده که مدلشو عرضه کنه. نظرتون چیه آیا این مدل‌ها به قدری که داره بهشون توجه میشه خفن هستن؟ مثلا باهاشون میشه انیمیشن سازی کرد یا تو فرآیند ساختش کمک گرفت؟ یا اینا هم صرفا یه سری Hype عه و نتایجی که نشون میدن فقط بخشی از واقعیته؟

مدلی که میتونه عکسای به این خوبی تولید کنه 20 میلیارد پارامتر داره. بنابراین عملا train کردنش رو فقط یه سری جاهای خاص تو دنیا از پسش برمیان. دیگه حس میکنم از دوره‌ی Deep Learning گذر میکنیم و وارد دوره‌ی Very Deep Learning میشیم و خب بیشتر فضا رو برای رقابت در پژوهش سخت میکنه. ولی آیا صرفا با عمیق تر کردن همه مشکلات حل میشه؟

مثال موفق(چپ):
"A portrait photo of a kangaroo wearing an orange hoodie and blue sunglasses standing on the grass in front of the Sydney Opera House holding a sign on the chest that says Welcome Friends!"

مثال ناموفق(راست):
A plate that has no bananas on it. there is a glass without orange juice next to it.

منبع: مدل parti
@Singular_Thinker

من امروز به این مدل Dall.E دسترسی پیدا کردم و داشتم تستش می کردم. چند تا نکته به نظرم جالب بود:

🔸 اولا با اینکه نتایجش واقعا تاثیرگذاره، ولی به اون بی نقصی ای که به نظر میومد نیست و اگه یه خورده بپیچونیش یا چیزای سخت بهش بدی تصاویر مشکل دار هم درست می کنه. در واقع اون چیزایی که تا الان به عنوان نتایج این مدل منتشر میشده یه جور نتایج گلچین شده تر و تسک های سر راست تر بودن. البته که کماکان قدرتش تو درست کردن تصاویر فوق العادست.

🔸 یه چیز جالب دیگه وقتیه که یه شخصیت واقعی رو سرچ می کنی، مدل به وضوح اون شخصیت رو با جزئیات میشناسه (حتی می تونید ببینید که فیزیک بدنی و رنگ و طرح لباس های رونالدو و مسی رو تونسته به درستی تشخیص بده)، ولی در عین حال چهره ها رو بازسازی نمی کنه. فکر نمی کنم با قدرت عجیب غریبی که Dall.E داره این یه باگ باشه و حدس می زنم OpenAI آگاهانه تلاش کرده این "فیچر" رو به مدل اضافه کنه که اگه اینجوری باشه خیلی تحسین برانگیزه.


اگر در حال حاضر به این مدل دسترسی ندارید تو کامنت ها بنویسید دیگه چه جیزی رو سرچ کنم و سعی می کنم نتیجه رو همونجا بذارم.

@Singular_Thinker