蓋世汽車訊 人工智能圖像生成——依靠神經(jīng)網(wǎng)絡(luò)根據(jù)各種輸入創(chuàng)建新圖像——預(yù)計(jì)到本世紀(jì)末將成為一個(gè)價(jià)值數(shù)十億美元的產(chǎn)業(yè)。即使以今天的技術(shù)，如果想要?jiǎng)?chuàng)作一幅奇特的畫面，比如一位朋友在火星上插上國(guó)旗，或者漫不經(jīng)心地飛進(jìn)黑洞，也只需不到一秒鐘。

然而，在圖像生成器能夠執(zhí)行此類任務(wù)之前，它們通常需要接受海量數(shù)據(jù)集的訓(xùn)練，這些數(shù)據(jù)集包含數(shù)百萬(wàn)張圖像，通常還配有相關(guān)文本。訓(xùn)練這些生成模型可能是一項(xiàng)艱巨的任務(wù)，需要數(shù)周甚至數(shù)月的時(shí)間，并且會(huì)消耗大量的計(jì)算資源。

但是，如果真的可以通過(guò)人工智能方法生成圖像，而無(wú)需使用生成器，那會(huì)怎樣呢？

據(jù)外媒報(bào)道，2025年夏初，在加拿大不列顛哥倫比亞省溫哥華舉行的國(guó)際機(jī)器學(xué)習(xí)大會(huì)上，一篇研究論文闡述了這種現(xiàn)實(shí)可能性以及其他一些引人入勝的想法。研究人員重新構(gòu)想圖像生成，使標(biāo)記器和解碼器無(wú)需生成器即可進(jìn)行編輯和修復(fù)圖像。相關(guān)論文已發(fā)表在arXiv預(yù)印本服務(wù)器上。

論文由麻省理工學(xué)院信息與決策系統(tǒng)實(shí)驗(yàn)室(LIDS)研究生研究員Lukas Lao Beyer、麻省理工學(xué)院計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室(CSAIL)博士后研究員Tianhong Li、Facebook人工智能研究中心的Xinlei Chen、麻省理工學(xué)院航空航天學(xué)教授兼LIDS主任Sertac Karaman以及麻省理工學(xué)院電氣工程與計(jì)算機(jī)科學(xué)副教授Kaiming He共同撰寫。

這項(xiàng)團(tuán)隊(duì)研究的起源是Lao Beyer去年秋季參加的深度生成模型研究生研討課的課堂項(xiàng)目。在學(xué)期中的交流中，Lao Beyer和研討課的授課老師He都意識(shí)到這項(xiàng)研究具有真正的潛力，遠(yuǎn)遠(yuǎn)超出了普通家庭作業(yè)的范疇。很快，其他合作者也加入了進(jìn)來(lái)。

Lao Beyer的研究起點(diǎn)是一篇發(fā)表于2024年6月的論文，該論文由慕尼黑工業(yè)大學(xué)和中國(guó)公司字節(jié)跳動(dòng)的研究人員共同撰寫，該論文介紹了一種新的視覺信息表示方法，稱為一維標(biāo)記器。利用這種設(shè)備(它也是一種神經(jīng)網(wǎng)絡(luò))，可以將256x256像素的圖像轉(zhuǎn)換為僅由32個(gè)數(shù)字組成的序列，這些數(shù)字被稱為標(biāo)記。

免責(zé)聲明：此文內(nèi)容為本網(wǎng)站轉(zhuǎn)載企業(yè)宣傳資訊，僅代表作者個(gè)人觀點(diǎn)，與本網(wǎng)無(wú)關(guān)。僅供讀者參考，并請(qǐng)自行核實(shí)相關(guān)內(nèi)容。