女娲算法,杀疯了!

今天分享一个「多模态」算法 NÜWA(女娲)。

女娲算法,杀疯了!_第1张图片 8项典型的视觉生成任务

论文的开头,就放出了效果,NÜWA 包揽了 8 项经典的视觉生成任务的 SOTA。

论文表示,NÜWA 更是在文本到图像生成中“完虐” OpenAI DALL-E。

碾压各种对比的算法效果,杀疯了!

NÜWA 效果

我们先看下 NÜWA 这算法在 8 项经典的视觉生成任务中的表现。

Text-To-Image(T2I)

文字转图片任务,其实就是根据一段文字描述,生成对应描述的图片。

比如:

A dog with gogglesstaring at the camera.

一只戴着护目镜,盯着摄像机的狗。

女娲算法,杀疯了!_第2张图片

还有更多效果:

女娲算法,杀疯了!_第3张图片

NÜWA 生成的效果看起来就没那么违和,从论文的效果看,很真实!

女娲算法,杀疯了!_第4张图片

效果非常 Amazing。

Sketch-To-Image (S2I)

草图转图片任务,就是根据草图的布局,生成对应的图片。

女娲算法,杀疯了!_第5张图片

比如:

在一张图片上,画个大致轮廓,就可以自动“脑补”图片。

女娲算法,杀疯了!_第6张图片

这效果真是开了眼了,真实效果真如论文这般的话,那确实很强。

女娲算法,杀疯了!_第7张图片

这个算法,可以用在很多有意思的场景。

Image Completion (I2I)

图像补全,如果一副图片残缺了,算法可以自动“脑补”出残缺的部分。

女娲算法,杀疯了!_第8张图片

好家伙,是不是又有一些大胆的想法了?

这个遮挡还算可以,还有更细碎的。

女娲算法,杀疯了!_第9张图片

图片碎成这样,还能“脑补”出画面,我很期待代码。

Image Manipulation (TI2I)

图片处理,根据文字描述,处理图片。

比如:

有一副草原的图片,然后增加一段描述:

a horse is running on the grassland

一匹马奔跑在草原上,然后就可以生成对应的图片。

女娲算法,杀疯了!_第10张图片

这惊人的理解力。

女娲算法,杀疯了!_第11张图片

这让我想起来了 P 图吧大神,恶搞的作品。

女娲算法,杀疯了!_第12张图片

有了这个算法,咱也可以试一试了,哈哈。

Video

这还不算完,除了上述的生成图片的四种效果,NÜWA 还可以生成视频!

女娲算法,杀疯了!_第13张图片

对应的四种视频生成任务:

  • Text-To-Video (T2V)

  • Sketch-To-Video (S2V)

  • Sketch-To-Video (S2V)

  • Video Manipulation (TV2V)

既可以玩图片又可以玩视频。

NÜWA 原理

NÜWA模型的整体架构包含一个支持多种条件的 adaptive 编码器和一个预训练的解码器,能够同时使图像和视频的信息。

对于图像补全、视频预测、图像处理和视频处理任务,将输入的部分图像或视频直接送入解码器即可。

女娲算法,杀疯了!_第14张图片

而编码解码器都是基于一个3D Nearby的自注意力机制(3DNA)建立的,该机制可以同时考虑空间和时间轴的上局部特性,定义如下:

b48602c96db02854253594285ec7b63b.png

W 表示可学习的权重,X 和 C 分别代表文本、图像、视频数据的 3D 表示。

3DNA 考虑了完整的邻近信息,并为每个 token 动态生成三维邻近注意块。注意力矩阵还显示出 3DNA 的关注部分(蓝色)比三维块稀疏注意力和三维轴稀疏注意力更平滑。

女娲算法,杀疯了!_第15张图片

更多细节,可以直接看论文:

论文地址:

https://arxiv.org/abs/2111.12417

NÜWA 代码

NÜWA 的代码还没有开源,不过 Github 已经建立。

Github:

https://github.com/microsoft/NUWA

作者表示,很快就会开源:

女娲算法,杀疯了!_第16张图片

公司有开源审批流程,代码也得梳理下,所以可以先 Star 上标记下,耐心等等。

微软亚研院和北大联合打造的一个多模态预训练模型 NÜWA,在首届微软峰会上亮相过。

这种应该不会鸽的~

总结

今年算是多模态 Transformer 大力发展的一年,从各种顶会的论文就能看出,各种多模态。


另外送一份算法进击指南给大家:70K Star 的《labuladong 的算法小抄》(作者 labuladong)。

先来给你们看看里面具体都有哪些内容:

女娲算法,杀疯了!_第17张图片

现在这本 PDF 免费分享给你,你可以扫描下方公众号回复 算法 来领取这本 PDF。

点击卡片,关注后回复【算法】,即可获取

推荐阅读:
入门: 最全的零基础学Python的问题  | 零基础学了8个月的Python  | 实战项目 |学Python就是这条捷径
干货:爬取豆瓣短评,电影《后来的我们》 | 38年NBA最佳球员分析 |   从万众期待到口碑扑街!唐探3令人失望  | 笑看新倚天屠龙记 | 灯谜答题王 |用Python做个海量小姐姐素描图 |碟中谍这么火,我用机器学习做个迷你推荐系统电影
趣味:弹球游戏  | 九宫格  | 漂亮的花 | 两百行Python《天天酷跑》游戏!
AI: 会做诗的机器人 | 给图片上色 | 预测收入 | 碟中谍这么火,我用机器学习做个迷你推荐系统电影
小工具: Pdf转Word,轻松搞定表格和水印! | 一键把html网页保存为pdf!|  再见PDF提取收费! | 用90行代码打造最强PDF转换器,word、PPT、excel、markdown、html一键转换 | 制作一款钉钉低价机票提示器! |60行代码做了一个语音壁纸切换器天天看小姐姐!|

年度爆款文案

  • 1).卧槽!Pdf转Word用Python轻松搞定!

  • 2).学Python真香!我用100行代码做了个网站,帮人PS旅行图片,赚个鸡腿吃

  • 3).首播过亿,火爆全网,我分析了《乘风破浪的姐姐》,发现了这些秘密 

  • 4).80行代码!用Python做一个哆来A梦分身 

  • 5).你必须掌握的20个python代码,短小精悍,用处无穷 

  • 6).30个Python奇淫技巧集 

  • 7).我总结的80页《菜鸟学Python精选干货.pdf》,都是干货 

  • 8).再见Python!我要学Go了!2500字深度分析!

  • 9).发现一个舔狗福利!这个Python爬虫神器太爽了,自动下载妹子图片

点阅读原文,看200个Python案例!

你可能感兴趣的:(算法,机器学习,python,人工智能,编程语言)