cq9电子平台网站：麻省理工、Meta开源：无需人工标注创新文生图模型

　　文生图领域一直面临着一个核心难题,就是有条件图像生成的效果，远超无条件的图像生成。有条件图像生成是指模型在生成图像的过程中,会额外使用类别、文本等辅助信息进行指导,这样可以更好的理解用户的文本意图，生成的图像质量也更高。

　　而无条件图像生成完全基于模型自己学习的数据分布,难以形成有效的指导，所以，我们经常会有的AI平台生成的图像驴唇不对马嘴，或者图像有重大缺陷。

　　RCG是一种创新性的“基于表示条件的图像生成”模型。所谓“表示条件”,就是让模型自己从数据中提取表示来进行指导，而无需任何人工数据标注。所以，RCG能以更小的消耗，生成与有指导模型相媲美的图片。

　　从RCG的论文来看，其图片生成流程采用了拟人化思路。先规划出要生成图片的大体轮廓,然后再根据这一构思去绘制图片的细节。

　　就像我们人类画画一样,先在大脑中构思画作的整体思路，例如，想画一匹马,先想象马的形体;想画一个苹果,先想象个大红色的圆球，然后根据整体“表示”画出图像的细节。

　　图像编码器的作用是从图像中提取有意义的表示。这些表示在保留图像的语义信息的同时,也要比较简单、易于建模。

　　目前流行的自监督学习算法主要可以分为两大类:1)基于预训练任务，这类方法会人为设计一个预训练任务,让模型去预测一些伪标签。比如旋转预测任务,让模型预测图像被旋转的角度等。

　　2)基于对比学习，这类方法会构造正样本和负样本。让模型学会区分和拉远它们在表示空间的距离，代表性算法包括MoCo商业模型、SimCLR等。

　　实验证明，基于对比学习方法，可以获得更加有效的图像表示,因此RCG选择了这种方式。并使用了MoCo v3进行预训练,这是图像分类任务上效果最优的自监督对比学习算法之一。

　　为了使表示维度可控,RCG使用了带有预测头的Transformer模型。预测头会规划成256维的向量,这样就获得了编码器输出的表示。该表示同时还进行了归一化处理,以符合高斯分布。

　　在提取到图像的表示之后,下一步就是对这些表示进行采样。通常,我们希望模型可以捕捉表示空间的分布,具有生成各种新颖表示的能力,从而指导下游的图像生成。

　　为此,RCG提出了表示扩散模型RDM。它使用全连接网络作为主干,包含数个残差块。每个块里面包括激活函数、线性层等。

　　RDM模块训练时,采用了DDIM算法。即先将真实图像表示加入高斯噪声,让RDM去除噪并重构原始表示;生成时,从完全噪声表示出发,逐步采样清晰的表示。

　　RDM模块的参数和计算量很小,所以即使增加块数和宽度,也不会带来太大的额外负担。这样我们可以充分发掘表示空间的丰富信息,指导下游生成。

　　提取表示并对其建模之后,最后一步就是根据表示来生成图像像素。RCG中的像素生成器可以使用任意的条件图像生成模型,只需要将原有的条件(比如类别标签)替换为RDM生成的表示即可。

　　训练时,MAGE接收带有遮蔽(Mask)的图像作为输入,其中带X的是被遮蔽的，同时也输入对应图像的表示,然后学习重构被遮蔽的内容。

　　为了验证RCG模型的效果,研究团队基于ImageNet测试平台中的256×256数据集进行了实验。

　　结果显示，RCG的FID分数为3.56和IS的253.4，超过了之前最好的无条件生成模型MAGE的结果,与当前状态最好的有条件模型CDM差不多。

　　文章内容仅供阅读，不构成投资建议，请谨慎对待。投资者据此操作，风险自担。

　　10月16日晚，Apple CEO Tim Cook现身Apple成都太古里，并参与了一场Today at Apple课程。期间，腾讯互娱天美L1工作室总经理、Honor of Kings制作人黄蓝枭与Tim就技术问题进行了深入交流，并与他一起观看了一场王者荣耀BO3表演赛。

　　上海车展正在火热进行中，一汽大众在2023上海车展中带来了ID家族的旗舰轿车产品，ID.7 VIZZION，新车基于MEB平台打造而来，预计将于今年下半年正式上市。

　　5月18日，为了帮助中小企业解决定为难、运营难、资金难、人才难、资源难等问题，杭州市市场营销协会组织多家专业机构联合举办“名企游学，走进上市公司”活动，通过学习交流赋能中小企业更好地完成转型升级。此次活动走进“A股互联网第一股”浙江网盛生意宝股份有限公司。

　　5月18日，由京东携手爱空间整装举办的京东装修自营业务新品发布会暨京东联合爱空间整装新品媒体见面会正式召开。