新知榜官方账号
2023-11-16 06:05:16
在热火朝天的“AI春晚”上,OpenAI一口气开源两项工作,其中之一一致性解码器,专门面向SD的VAE模型。它能让图像生成质量更高、更稳定,比如多人脸、带文字图像以及线条控制方面。大V博主分析这个解码器应该是Dall·E3同款,在GitHub项目页上OpenAI也提供了Dall·E3论文。它具体支持的版本是StableDiffusion1.4/1.5。项目页上只放了一个例子,具体怎么训练没有写,被网友称为“人狠话不多式开源”。你们直接加载使用就好。而且这个一致性解码器颇有渊源。它来自OpenAI联创及首席科学家Ilya、OpenAI华人新星宋飏等人提出的一致性模型(ConsistencyModels)。上半年这个模型开源时就引发业内震动,被评为能“终结扩散模型”。就在前不久,宋飏等人还对模型训练方法做了优化,能进一步提升图像生成质量。
一致性模型直接把随机的噪声映射到复杂图像上,输出都是同一轨迹上的同一点,所以实现了一步生成。论文提出两种训练方法,一种是基于一致性蒸馏,利用预训练的扩散模型生成相邻数据对,通过最小化模型输出之间的差异,来训练一致性模型。另一种方法是独立训练,将一致性模型作为独立生成模型训练。实验结果表明,一致性模型在一步和少步采样方面优于现有的蒸馏技术,如渐进式蒸馏。当作为独立的生成模型进行训练时,一致性模型可以与现有的一步非对抗生成模型在标准基准测试汇总媲美,如CIFAR-10、ImageNet64×64和LSUN256×256。
回到这次最新开源的解码器,第一波实测体验已经来了。目前看到的一些效果,提升不算明显,而且不少人反映运行速度慢。但这还是最早期的测试,后续或许会有更多提升。
开发者日的另一项重磅开源是语音大模型Whisper3。它同样出自传奇人物之手,一作AlecRadford对GPT系列的构建起到了重要作用。网友们不禁感慨:还是爱看OpenAI开源啊,期待继续开放更多模型。
相关工具
相关文章
相关快讯
推荐
阿里Accio中文版上线!一键搞定复杂采购
2025-08-19 09:13
视频“用嘴编辑”的时代来了,但钱包顶得住吗?
2025-08-15 17:59
智谱新模型GLM-4.5V全面开源,玩家们有福啦!
2025-08-12 17:56
扎心文案+AI插画=爆款!揭秘8万赞视频的制作全流程
2025-08-12 10:08
GPT-5没你想的那么好,附实测体验~
2025-08-11 11:07
一站式搞定AI绘图+视频,AI短片效率飙升的秘密在这儿!
2025-08-08 09:26
打工人新神器!10款国产AI,让你告别996!
2025-08-08 09:24
豆包视觉推理深度体验,AI也能“边看边想”了!
2025-08-08 09:19
300美元的AI男友来了!马斯克的情感生意从女友做到男友
2025-08-01 17:56
Agent智能体:2025年企业新员工,月薪仅需一度电?
2025-07-30 17:49