IT之家 7 月 16 日消息，Meta 公司宣布開發(fā)出一款名為 CM3Leon 的人工智能模型，該模型可以根據(jù)文本生成高質(zhì)量的圖像，也可以為圖像生成文本描述，甚至可以根據(jù)文本指令編輯圖像。
Meta 公司稱，這款模型在文本到圖像生成方面達到了業(yè)界最高水平，超過了谷歌、微軟等公司的產(chǎn)品。CM3Leon 是一種基于 Transformer 的模型，Transformer 是一種利用注意力機制來處理輸入數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。相比于其他基于擴散（diffusion）的模型，Transformer 模型更加高效，訓(xùn)練速度更快，計算成本更低。
Meta 公司展示了 CM3Leon 在不同任務(wù)上的優(yōu)異表現(xiàn)，包括根據(jù)復(fù)雜的文本提示生成圖像，根據(jù)文本指令編輯圖像，以及生成圖像描述和回答。Meta 公司表示，CM3Leon 是圖像生成和理解領(lǐng)域的一大進步，但也承認(rèn)該模型可能存在數(shù)據(jù)偏見的問題，并呼吁行業(yè)加強透明度和監(jiān)管。
Meta 公司使用了數(shù)百萬張來自 Shutterstock 的授權(quán)圖片來訓(xùn)練 CM3Leon，最強大的版本有 70 億個參數(shù)，比 OpenAI 的 DALL-E 2 模型多兩倍。
Meta 公司沒有透露是否會公開發(fā)布 CM3Leon 模型。
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。