谷歌新AI系统Imagen有点强，输入文本就能生成逼真的图像 _生活百科

日前，谷歌宣布推出了一款新的AI系统Imagen，可以将文字描述转化为逼真的图像的人工智能技术。
据报道，Imagen可以创建比OpenAI的人工智能工具DALL-E2更逼真和逼真的图像，不过谷歌尚未公开Imagen[1] 。
如图片所示，Imagen扩散模型可根据用户的书面提示输出绘图、油画、CGI 渲染等。

文章插图
注:图片来自Imagen官网截图
那么Imagen 是如何工作的?
Google Imagen 官方网站还解释这种人工智能技术的工作原理，首先分析用户输入的文本并使用T5-XXL进行编码。嵌入在 AI 中的文本首先被转换为分辨率为64x64像素的小图像。Imagen进一步利用文本条件超分辨率扩散模型对图像进行64×64的上采样，然后这个图像继续增长并最终形成。

文章插图
Imagen 的开发者谷歌研究的大脑团队表示，基于变压器和图像扩散模型，Imagen实现了前所未有的真实感。谷歌声称，对比其它模型，在图像保真度和图像-文本匹配方面，人类评估者更喜欢 Imagen 。
不过，谷歌也表示，Imagen 是在从网络上抓取的数据集上进行训练的，虽然已经过滤了很多不良内容如不雅图像、污秽语言等，但仍有大量不当的内容数据集，因此也会存在种族主义诽谤和有害的社会刻板印象。
谷歌指出，在生成事件、物体和活动的图像时，Imagen会编码“社会和文化偏见” 。由于这些原因以及更多原因，谷歌没有公开发布 Imagen 。