大家還記得去年 1 月 OpenAI 釋出的 120 億引數魔法模型 DALL・E 嗎？

當時，DALL・E 的畫風是這樣的：

只要「閱讀」文字，DALL・E 就能根據文字的內容「自動」生成栩栩如生的大師級畫像。因此，當時一經發布，DALL・E 就火遍了 AI 圈，吸粉無數，也讓 Language-Vision（文字-視覺）方向又火了一把。

就在近日，時隔一年後，OpenAI 結合 CLIP，又釋出了 DALL・E 的第二個版本 ——DALL・E 2.0！

相比 DALL・E 1.0，DALL・E 2.0 可以生成更真實和更準確的畫像：綜合文字描述中給出的概念、屬性與風格等三個元素，生成「現實主義」影象與藝術作品！解析度更是提高了 4 倍

比如，當提示文字中分別包含「概念」“An astronaut ”（一個宇航員）、「屬性」“riding a horse”（在騎一匹馬）和「 風格」“in a phtprealistic style”（超現實風格）時：

文字提示：An astronaut + riding a horse + in a phtprealistic style（一個宇航員 + 騎馬 + 超現實風格）

DALL・E 2 可以生成如下這些同時包含三種元素的影象：

在滿足三種給定元素的基礎上，它可是充分發揮了自己的「想象力」，不僅馬的姿態各不相同，而且給宇航員穿上了樣式各異的服裝，場景也是十分豐富，草地上、山頂上、星空中......

神不神奇！牛不牛！

讓我們來欣賞 DALL・2.0 的大師作品！

如果你想要變換文字中概念、屬性和風格三個元素中的一個或多個，比如保留「概念」“一個宇航員”和「屬性」“在騎一匹馬”，而將超現實主義風格替換為波普藝術家安迪・沃霍爾的風格，DALL・E 2 也可以「輕鬆」轉換它的繪畫風格：

文字提示：An astronaut + riding a horse + in the style of Andy Warhol （一個宇航員 + 在騎一匹馬 + 安迪・沃霍爾的風格）

DALL・E 2 生成的影象：

文字提示：An astronaut + riding a horse + as a pencil drawing（一個宇航員 + 在騎一匹馬 + 鉛繪風格）

DALL・E 2 生成的影象：

文字提示：An astronaut + lounging in a tropical resort in space + in a vaporwave style（ 一個宇航員 + 在太空熱帶度假勝悠哉地躺著 + 蒸汽波風格）

DALL・E 2 生成的影象：

文字提示：Teddy bears + mixing sparkling chemicals as mad scientists + as a 1990s Saturday morning cartoon（泰迪熊們 + 正在像瘋狂的科學家一樣混合著冒泡的化學物質 + 20 世紀 90 年代的週六早間卡通片風格）

DALL・E 2 生成的影象：

文字提示：Teddy bears+shopping for groceries+in the style of ukiyo-e（泰迪熊 + 購買雜貨 + 浮世繪風格）

DALL・E 2 生成的影象：

文字提示：Teddy bears+shopping for groceries+in ancient Egypt（泰迪熊 + 購買雜貨 + 古埃及風格）

DALL・E 2 生成的影象：

文字提示：A bowl of soup+that is a portal to another dimension+as digital art（一碗湯 + 通往另一個維度的門戶 + 數字藝術風格）

DALL・E 2 生成的影象：

文字提示：A bowl of soup+as a planet in the universe+as a 1960s poster（一碗湯 + 宇宙中的一個星球 + 1960 年代海報風格）

DALL・E 2 生成的影象：

文字提示：A bowl of soup+as a planet in the universe+as digital art（一碗湯 + 宇宙中的一個星球 + 數字藝術風格）

DALL・E 2 生成的影象：

DALL・E 2.0 的其他功能

1、影象編輯

DALL・E 2 可以根據自然語言描述的標題對現有影象進行逼真的編輯，比如，在考慮陰影、反射和紋理的同時增加或刪除圖中的某個元素。示例如下：

文字描述的編輯需求：選擇一個位置在圖中新增火烈鳥。

原圖 vs. DALL・E 2 編輯後的影象：

文字描述的編輯需求：選擇一個位置在圖中新增柯基。

原圖 vs. DALL・E 2 編輯後的影象：

2、風格變體

DALL・E 2 可以拍攝一張圖片，然後根據原圖製作出同一個風格的不同畫像。示例如下：

原圖 1：

DALL・E 2 創造的同一風格影象：

原圖 2：

DALL・E 2 創造的同一風格影象：

原圖 3：

DALL・E 2 創造的同一風格影象：

原圖 4：

DALL・E 2 創造的同一風格影象：

對於 AI 從文字生成的影象，我們非常看重的一點當然是影象的解析度了，影象的解析度越高，畫素數量就越多，影象也就越清晰和逼真。與 DALL・E 1 相比，DALL・E 2 的解析度提高了 4 倍！

比如，對於同樣的文字提示：

文字提示：a painting of a fox sitting in a field at sunrise in the style of Claude Monet（一隻狐狸坐在日出時的田野裡 + 克勞德・莫奈風格）

下面兩張圖分別是 DALL・E 1 和 DALL・E 2 所生成影象的對比：

對比之下，DALL・E 1 生成的影象可以說是很模糊了，甚至根本看不出「日出」在哪裡，「狐狸」只顯露出它的頭部，「田野」也不太有田野的樣子，而且在整體風格上與畫家莫奈的印象派風格相去甚遠。

而在 DALL・E 2 的魔法手筆下，影象質量顯著提高，「日出」和「田野」都很生動，小狐狸端坐在草地上，姿態可愛。這幅畫作色彩更加豐富，使用了更多的複色，對光影的描繪更加接近莫奈的風格。

總體來說，相比 DALL・E 1.0，DALL・2 顯然能 hold 住元素更豐富、色彩更飽滿的影象。不再是簡單的單一物品描述，而是對一個場景的整體表達，故事更完整，想象力也更豐富！

更詳細的內容，可以檢視 DALL・E 2 的相關研究論文：

論文地址：https://cdn.openai.com/ papers / dall-e-2.pdf