点击下方卡片，关注“CVer”公众号
AI/CV重磅干货，第一时间送达
梦晨 萧箫 发自 凹非寺
转载自：量子位（QbitAI）
在CVer公众号后台回复：DALLE，即可获得学习资料！学起来 
起猛了，OpenAI竟然把AI绘画和ChatGPT合 并 了！
这不，最新发布的DALL·E 3，直接给AIGC带来了两大震撼——
提示词门槛极大降低
理解语意的细微差异的细节描述，准确到令人发指
没错，新版DALL·E 3，不仅省去了提示词工程，还顺带把语言理解能力提升了一个档次！
你只管随意想象。词，ChatGPT帮你拓展；画，DALL·E 3给你精确到细节。
AI就能像拍电影一般，保证从背景到人物，细节一字不差地复刻出来：
满月下的街道，熙熙攘攘的行人正在享受繁华夜生活。
街角摊位上，一位有着火红头发、穿着标志性天鹅绒斗篷的年轻女子，正在和脾气暴躁的老小贩讨价还价。
这个脾气暴躁的小贩身材高大，老道，身着一套整洁西装，留着引人注目的小胡子，正在用他那部蒸汽朋克式的电话兴致勃勃地交谈。
除了基础细节，DALL·E 3甚至能将模糊的形容词如繁华、讨价还价、脾气暴躁演绎得活灵活现，和CLIP已经不在一个档次了。
同时，相比上一代老模型，DALL·E 3自身的画技也前进了一大步：
这般操作，直接把网友看愣了。
有网友已经决定取消Midjourney订阅了。“如果Midjourney无法准确理解文本，这甚至称不上是同台竞技。”
还有网友调侃，这简直就是给即将到来的谷歌Gemini上压力。
更多细节，我们从DALL·E 3展示的效果一一来看。
在ChatGPT里直接用
相比前两代，DALL·E 3最大的优势在于原生构建在ChatGPT之上。
不仅意味着语言理解能力大幅飞跃，甚至提示词都可以让ChatGPT自己来写。
更多细节藏在奥特曼都忍不住自夸可爱的宣传视频里。
这是一个家长把5岁小朋友脑海里的幻想变成现实的故事。
首先家长询问ChatGPT，“我家5岁宝宝一直在说一个’超级向日葵刺猬’，它该长什么样？”
可以看到ChatGPT同时写了四段不同风格的提示词，并给出对应图像。
家长选择其中偏童话插图风格的一张后，故事的主角小刺猬形象似乎就能固定下来了，可以继续请ChatGPT画出更多。
顺便给小刺猬一个名字Larry，后面的对话中就不用每次都说“超级向日葵刺猬”了。
主角定好了，接下来再添加更多元素，让整个童话故事更丰富，比如给Larry画个房子。
这里既展示出了DALL·E 3创作一致形象的能力，也展示出邮箱上正确写上了LARRY的名字，解决了之前版本DALL·E不会写字的问题。
反正都用上ChatGPT了，不如把故事情节也完善一下？
刚编好的情节立马就可以有配套的插画了。
保持角色形象，迁移到完全不同的贴纸画风也没问题，可以直接打印出来。
注意了，最绝的地方来了，直接让ChatGPT总结前面对话中所有内容，写成一个完整的睡前故事。
虽然演示到此结束，但完全可以想象配合ChatGPT插件功能，还可以直接生成一本电子书出来。
就让人想起之前网友提议，确保AI安全的最佳方法是让OpenAI、Anthropic等公司的员工都有孩子。
这样他们就有动力确保AGI到来时世界是安全的。（手动狗头）
虽然DALL·E 3现在还不能马上玩到，一次放出的大量样张也可以先看个饱了。
在CVer公众号后台回复：DALLE，即可获得学习资料！学起来 
每一张点开还可以看到提示词，都是直接用人话描述，没怎么加复杂咒语的那种。
复杂场景与不存在的概念组合，效果很惊艳。
搞室内设计概念图，光影明暗关系乍看也挑不出毛病。
配合正确写字能力，直出海报也是生产力拉满（没指定文字的小字部分还有些问题）。
刚加入OpenAI不久的德扑AI之父Noam Brown也晒出了他试玩的机器人打牌图。
CEO奥特曼最喜欢的则是这张“牛油果看医生”。
有网友去试了同样的提示词用在DALL·E 2的效果，只能说字也不对、牛油果中间的洞没话出来，治疗是更是没有……
还记得2021年1月DALL·E 1刚出的时候吗？梦开始的地方就是一组“牛油果做的沙发”。
也难怪网友感叹：看看它走了多远！
“如有侵权，请来删图”
当然，除了上述特性以外，OpenAI也预告了一些神奇的新功能。
例如，DALL·E 3即将配套推出一个图像鉴别器。
这个分类器可以帮助识别图像是否由DALL·E 3生成，不仅能避免误伤（手动狗头），也能在DALL·E创作出好作品时快速将它认领成自己的。
至于在生成图像上，OpenAI自述也做了大量工作，防止其生成暴力、色情或其他有害图片，或是带有公众人物（明星、名人等）姓名的图像生成。
关于隐私方面，之前纽约时报就曾爆料称，OpenAI正在通过某些技术，模糊掉上传到ChatGPT的图像中的人脸。
这也是为了避免ChatGPT变成一个彻底的“人脸识别工具”，尤其是已经有不少照片流传到互联网上的名人明星们。
如今这个技术可能也被用到了DALL·E 3中，防止生成侵权图像。
同时，OpenAI也与安全红队合作，提高了图像风险评估的能力。
除此之外，在训练数据上，有了Midjourney的“前车之鉴”，OpenAI这次也学会了保护自己。
相比于直接和画手打官司、或者等着被起诉，OpenAI在官网放出了一则训练数据“免责声明”：
您可以填写表格，禁止我们的网络爬虫GPTBot访问您的网站。或者，您也可以发送您想要保护隐私的图像，我们会把它从训练数据中删掉。
不过也有网友对DALL·E 3演示效果不满意，认为比不上MidJourney资深玩家出的图，OpenAI的资金可是充裕n多倍啊。
还有网友开启列文虎克模式，开始挨个挑演示图中漏掉的提示词细节。
比如这张杯子里缺少微型闪电。
这张散落在海底的只有大炮残骸，没有宝藏。
具体这些问题能不能通过调整提示词改善，就要等实际上手玩过才知道了。
在CVer公众号后台回复：DALLE，即可获得学习资料！学起来 
那么DALL·E 3具体什么时候上线呢？划重点了：
ChatGPT Pro会员（20美元/月）和企业版在10月可用。
独立版在今年秋天晚些时候提供（目前价格15美元可以玩115次）。
参考链接：
[1]https://openai.com/dall-e-3
[2]https://www.nytimes.com/2023/07/18/technology/openai-chatgpt-facial-recognition.html
[3]https://twitter.com/sama/status/1704547625482203560
ICCV / CVPR 2023论文和代码下载
后台回复：CVPR2023，即可下载CVPR 2023论文和代码开源的论文合集
后台回复：ICCV2023，即可下载ICCV 2023论文和代码开源的论文合集多模态和Transformer交流群成立
扫描下方二维码，或者添加微信：CVer333，即可添加CVer小助手微信，便可申请加入CVer-多模态或者Transformer 微信交流群。另外其他垂直方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch、TensorFlow和Transformer、NeRF等。
一定要备注：研究方向+地点+学校/公司+昵称（如多模态或者Transformer+上海+上交+卡卡），根据格式备注，可更快被通过且邀请进群
▲扫码或加微信号: CVer333，进交流群
CVer计算机视觉（知识星球）来了！想要了解最新最快最好的CV/DL/AI论文速递、优质实战项目、AI行业前沿、从入门到精通学习教程等资料，欢迎扫描下方二维码，加入CVer计算机视觉，已汇集数千人！
▲扫码进星球
▲点击上方卡片，关注CVer公众号整理不易，请点赞和在看
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
