大家还记得去年 1 月 OpenAI 发布的 120 亿参数魔法模型 DALLE 吗
当时，DALL。E 的画风是这样的:
只要「阅读」文本，DALLE 就能根据文本的内容「自动」生成栩栩如生的大师级画像因此，当时一经发布，DALLE 就火遍了 AI 圈，吸粉无数，也让 Language—Vision方向又火了一把
就在最近几天，时隔一年后，OpenAI 结合 CLIP，又发布了 DALLE 的第二个版本 ——DALL
相比 DALLE 1.0，DALL
比如，当提示文本中分别包含「概念」An astronaut ，「属性」riding a horse和「 风格」in a phtprealistic style时:
文本提示:An astronaut + riding a horse + in a phtprealistic style
DALL。E 2 可以生成如下这些同时包含三种元素的图像:
在满足三种给定元素的基础上，它可是充分发挥了自己的「想象力」，不仅马的姿态各不相同，而且给宇航员穿上了样式各异的服装，场景也是十分丰富，草地上，山顶上，星空中......
神不神奇！牛不牛！
让我们来欣赏 DALL。2.0 的大师作品！
如果你想要变换文本中概念，属性和风格三个元素中的一个或多个，比如保留「概念」一个宇航员和「属性」在骑一匹马，而将超现实主义风格替换为波普艺术家安迪沃霍尔的风格，DALL
文本提示:An astronaut + riding a horse + in the style of Andy Warhol
DALL。E 2 生成的图像:
文本提示:An astronaut + riding a horse + as a pencil drawing
DALL。E 2 生成的图像:
文本提示:An astronaut + lounging in a tropical resort in space + in a vaporwave style
DALL。E 2 生成的图像:
文本提示:Teddy bears + mixing sparkling chemicals as mad scientists + as a 1990s Saturday morning cartoon
DALL。E 2 生成的图像:
文本提示:Teddy bears+shopping for groceries+in the style of ukiyo—e
DALL。E 2 生成的图像:
文本提示:Teddy bears+shopping for groceries+in ancient Egypt
DALL。E 2 生成的图像:
文本提示:A bowl of soup+that is a portal to another dimension+as digital art
DALL。E 2 生成的图像:
文本提示:A bowl of soup+as a planet in the universe+as a 1960s poster
DALL。E 2 生成的图像:
文本提示:A bowl of soup+as a planet in the universe+as digital art
DALL。E 2 生成的图像:
DALL。E 2.0 的其他功能
2，风格变体
原图 1:
DALL。E 2 创造的同一风格图像:
原图 2:
DALL。E 2 创造的同一风格图像:
原图 3:
DALL。E 2 创造的同一风格图像:
原图 4:
DALL。E 2 创造的同一风格图像:
对于 AI 从文本生成的图像，我们非常看重的一点当然是图像的分辨率了，图像的分辨率越高，像素数量就越多，图像也就越清晰和逼真与 DALLE 1 相比，DALL
比如，对于同样的文本提示:
文本提示:a painting of a fox sitting in a field at sunrise in the style of Claude Monet
下面两张图分别是 DALLE 1 和 DALL
对比之下，DALLE 1 生成的图像可以说是很模糊了，甚至根本看不出「日出」在哪里，「狐狸」只显露出它的头部，「田野」也不太有田野的样子，而且在整体风格上与画家莫奈的印象派风格相去甚远
而在 DALLE 2 的魔法手笔下，图像质量显著提高，「日出」和「田野」都很生动，小狐狸端坐在草地上，姿态可爱这幅画作色彩更加丰富，使用了更多的复色，对光影的描绘更加接近莫奈的风格
总体来说，相比 DALLE 1.0，DALL2 显然能 hold 住元素更丰富，色彩更饱满的图像
更详细的内容，可以查看 DALL。E 2 的相关研究论文:
。
