从骑马的宇航员到三次元小姐姐，在不到一年的时间里，AI绘画似乎已经取得了革命性的进展。这个「骑马的宇航员」由OpenAI2022年4月推出的文生图模型DALL・E2绘制。它的前辈——DALL・E在2021年向人们展示了直接用文本生成图像的能力，打破了自然语言与视觉的次元壁。在此基础上，DALL・2更进一步，允许人们对原始图像进行编辑，比如在画面中添加一只柯基。这一个看似简单的操作其实体现了AI绘画模型可控性的提升。不过，就影响力而言，2022年最火的文生图模型并不是DALL・E2，而是另一个和它功能相似的模型——StableDiffusion。和DALL・E2一样，StableDiffusio
1月5日消息，开源、免费、跨平台和简单的图像编辑和绘画程序Pinta2.1 已发布，采用GTK#编写，适用于GNU/Linux、macOS和Windows平台，现在可以作为重大更新下载，带来了众多新功能和改进。Pinta2.0在1年前发布，现在Pinta2.1引入了令人兴奋的变化，比如支持WebP现代图像格式（尽管Linux用户必须先安装webp-pixbuf-loader包），还有新的渐变工具的“透明模式”，从虚拟文件系统打开文件的能力，以及对标准GTK对话框的支持。IT之家了解到，此主要更新中存在许多改进，以修复在Wayland下截取屏幕截图、加速画布渲染、加载具有未知扩展名但具有有效内容
1月5日消息，开源、免费、跨平台和简单的图像编辑和绘画程序Pinta2.1 已发布，采用GTK#编写，适用于GNU/Linux、macOS和Windows平台，现在可以作为重大更新下载，带来了众多新功能和改进。Pinta2.0在1年前发布，现在Pinta2.1引入了令人兴奋的变化，比如支持WebP现代图像格式（尽管Linux用户必须先安装webp-pixbuf-loader包），还有新的渐变工具的“透明模式”，从虚拟文件系统打开文件的能力，以及对标准GTK对话框的支持。IT之家了解到，此主要更新中存在许多改进，以修复在Wayland下截取屏幕截图、加速画布渲染、加载具有未知扩展名但具有有效内容
论文地址：https://arxiv.org/pdf/2302.09778v2.pdf项目地址：https://github.com/damo-vilab/composer近年来，在大数据上学习的大规模生成模型能够出色地合成图像，但可控性有限。可控图像生成的关键不仅依赖于条件，而且更重要的是依赖于组合性。后者可以通过引入巨大数量的潜在组合来指数级地扩展控制空间（例如100个图像，每个有8个表征，产生大约100^8种组合）。类似的概念在语言和场景理解领域得到了探索，其中的组合性被称为组合泛化，即从有限的已知成分中识别或生成潜在的无限数量的新组合的技能。最新的一项研究提供了一种新的生成范式——可以
论文地址：https://arxiv.org/pdf/2302.09778v2.pdf项目地址：https://github.com/damo-vilab/composer近年来，在大数据上学习的大规模生成模型能够出色地合成图像，但可控性有限。可控图像生成的关键不仅依赖于条件，而且更重要的是依赖于组合性。后者可以通过引入巨大数量的潜在组合来指数级地扩展控制空间（例如100个图像，每个有8个表征，产生大约100^8种组合）。类似的概念在语言和场景理解领域得到了探索，其中的组合性被称为组合泛化，即从有限的已知成分中识别或生成潜在的无限数量的新组合的技能。最新的一项研究提供了一种新的生成范式——可以
一夜之间，大模型界又炸出个bignews！斯坦福发布Alpaca（羊驼，网友口中的“草泥马”）：只花100美元，人人都可微调Meta家70亿参数的LLaMA大模型，效果竟可比肩1750亿参数的GPT-3.5（text-davinci-003）。而且还是单卡就能运行的那种，甚至树莓派、手机都能hold住！还有一个更绝的“骚操作”。研究所涉及到的数据集，是斯坦福团队花了不到500美元用OpenAI的API来生成的。所以整个过程下来，就等同于GPT-3.5自己教出了个旗鼓相当的对手AI。然后团队还说，用大多数云计算平台去微调训练好的模型，成本也不到100美元：复制一个GPT-3.5效果的AI，很便宜
一夜之间，大模型界又炸出个bignews！斯坦福发布Alpaca（羊驼，网友口中的“草泥马”）：只花100美元，人人都可微调Meta家70亿参数的LLaMA大模型，效果竟可比肩1750亿参数的GPT-3.5（text-davinci-003）。而且还是单卡就能运行的那种，甚至树莓派、手机都能hold住！还有一个更绝的“骚操作”。研究所涉及到的数据集，是斯坦福团队花了不到500美元用OpenAI的API来生成的。所以整个过程下来，就等同于GPT-3.5自己教出了个旗鼓相当的对手AI。然后团队还说，用大多数云计算平台去微调训练好的模型，成本也不到100美元：复制一个GPT-3.5效果的AI，很便宜
