Overview
产品概述
DALL·E 是 OpenAI 训练的一个 120 亿参数 Transformer 语言模型，使用文本-图像对数据集进行训练。它将文本和图像作为最多 1280 个 token 的单流数据，以最大似然方式逐 token 生成。除了从零生成图像，它还能根据文本提示重绘现有图像中延伸到右下角的矩形区域。OpenAI 指出其具有多样能力，包括创建拟人化动物与物体、以合理方式组合无关概念、渲染文本以及变换现有图像。
Capabilities
核心能力
文本到图像生成
能够针对自然语言描述的广泛概念生成合理的图像，并利用语言组合结构创建多种场景。
控制对象属性与空间关系
能够控制少量对象的属性、数量及排列方式，也可控制场景的视角与三维感，还能根据文本提示重绘已有图像的矩形区域。
组合概念与艺术创作
能够将无关概念合理组合，生成拟人化动物与物体、动物嵌合体、表情符号等艺术插画。
Use Cases
适用场景
-
01
艺术插画与概念设计
可用于生成拟人化对象、动物嵌合体、表情符号以及融合不同概念的创意插图。
-
02
时尚与室内设计
可将文本生成图像的能力应用于时尚搭配和室内设计场景的探索。
-
03
零样本视觉推理
可执行多种图像到图像的翻译任务，并被用于瑞文推理测验等类比推理测试。
