把椅子上的萌犬 P 成貓貓，需要幾步？第一步，圈出狗狗。第二步，告訴 AI 你的需求。滑鼠一點，齊活。

這位 AI P 圖大師，其實是位老朋友 ——OpenAI 風靡全球的那位 DALL・E。現在，它剛剛完成了“2.0 超進化”。不僅新學了一手出神入化的 P 圖絕技，創作質量也有了飛躍式的提升。

話不多說，直接看作品感受一下~ 這是 DALL・E 2 在“星雲爆炸狀柯基頭”這一提示下的創作出來的畫作：

這幅薩爾瓦多・達利的畫像，是不是有點薩爾瓦多・達利內味兒了？

跟初代 DALL・E 比起來，著實是畫質與藝術感雙雙飛昇了。

△ “日出時分安坐在田野裡的狐狸，莫奈風格”

所以，研究人員具體如何點亮了 DALL・E 的新技能點？

CLIP + 擴散模型

DALL・E 此番進化，簡單來說就是解析度更高了，延遲更低了。此外，還有更新 2 大新功能：

首先，在更細粒度上實現文字 → 影象功能。也就是說，DALL・E 2 可以根據自然語言提示進行 P 圖。在 P 圖的過程中，還會考慮陰影、反射、紋理等元素的變化。比如在左圖示“2”的位置 P 一個火烈鳥泳圈，DALL-E 2 會把水面倒影這種細節也處理到位。

其次，是可以在保留原作核心元素的基礎之上，賦予原作船新的風格。並且生成畫面的畫質是 DALL・E 1 的 4 倍，即從 256×256 提升到了 1024×1024。

具體的實現方法，用 OpenAI 官方的話來說，就是結合了 CLIP 和擴散模型兩種技術的優點。CLIP 是原版 DALL・E 功能實現的基礎，是一個負責給影象重排序的模型，其零樣本學習能力已經在各種視覺和語言任務上大放異彩。而擴散模型的特點在於，在犧牲多樣性的前提下，能大大提升生成影象的逼真度。於是，OpenAI 的研究人員設計了這樣一種方案：

在這個名為 unCLIP 的架構中，CLIP 文字嵌入首先會被餵給自迴歸或擴散先驗，以產生一個影象嵌入。而後，這個嵌入會被用來調節擴散編碼器，以生成最終的影象。

OpenAI 解釋稱，DALL・E 能夠 get 影象和用於描述畫面的文字之間的關係。其影象的生成是在“擴散”過程中完成的，可以理解為是從“一堆點”出發，用越來越多的細節去把影象填充完整。

研究人員將 DALL・E 2 與 DALL・E、GLIDE 等模型進行了對比。

實驗結果顯示，DALL・E 2 的影象生成質量與 GLIDE 相當，但 DALL・E 的生成結果更具多樣性。

目前，DALL・E 2 並未對公眾開放，不過如果你感興趣，可以線上註冊申請一發~

專案地址：

https://openai.com/dall-e-2/#demos