OpenAI、文章から画像を生成する新モデル「GLIDE」 前モデルよりも高品質な画像を生成

Innovative Tech： このコーナーでは、テクノロジーの最新研究を紹介するWebメディア「Seamless」を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 OpenAIの研究チームが開発した「GLIDE: Towards Photorealistic Image Generation and Editing with Text-Guided Diffusion Models」は、自然言語からフォトリアリスティックな画像を生成する機械学習モデルだ。 2021年1月に同団体が発表したGPT-3の画像版と呼ばれたテキスト→画像生成モデル「DALL・E」から約1年、忠実度が上がった進化モデルのGLIDEでは、以下のような画像を出力できる。

[misshiki]

事例“自然言語からフォトリアリスティックな画像を生成する機械学習モデル”

[mysql8]

元の画像データにガウシアンノイズを徐々に加え、元のデータが完全に失われてノイズのみになるまでマルコフ過程で行い、ノイズを除去したデータを逆向きに復元しながら生成モデルを学習

[Seamless]

87％の人が前モデルのDALL・Eより写実的だと評価。GAN越えと称される拡散モデルで35億パラメータで学習。画像の一部を色塗りその部分だけ文章→画像変換(影や反射も考慮)もできる。