OpenAI 放出 DALL-E 的部分论文与实现代码。

今年年初，OpenAI 图像版 GPT-3、120 亿参数的 DALL-E 刷屏官方社区，这个大型模型可以将以自然语言形式表达的大量概念转换为合适的图像，效果十分惊艳。

如输入「牛油果形状的椅子」，就可以获得绿油油、论文形态各异的牛油果椅子图像。

如果 GPT-3 一样，大家都在期待 OpenAI 放出 DALL-E 的官方论文与实现代码。

经过近两个月的等待代码，DALL-E 的论文和代码终于新鲜出炉！

不过此项目正在更新，截止发稿时 DALL-E 只开放了使用图像重建部分 d-VAE 训练的 CN放出N 编码器和解码器部分，而 Transformer 代码部分还没有公开。除此以外数据集也不能使用。而论文也是公布了 d-VAE 的论，O文。

项目地址：https://github.com/openai/DALL-E 论文地址：https://arxiv.org/peabs/2102.12092

只能期待后续 OpenAI 公开更多的技术细节。

DALL-E 部分代码已开源

这是为 DALL·E 所使用nA的 d-VAE 的官方 PyTorch 包。在运行 DALL-E/notebooks/usage.ipynb 程序之前，需要先安装软I是件包，代码如下：

pip install git+https://github.com/openai/DALL-E.git

解码如何器、编码器代码

d-VAE 论文

年初在论文还没有公开的情况下，就有人开始复现，他们复现的依据来自某博主制作的油管视频，在视频中，对 D实现ALL·E 的原理结构进行了猜测。那么，现在论文已公开，是否颠覆了他的预想。

传统上，文本到图像的生成主要集中在在固定的训练数图像据集上找到更好的建模假设。这些假设可能涉及复杂的体系架构、辅助损失或辅助信息，例如在训练期间提供的对象部件标签或分割掩码。该版G研究提出了一种基于 transformer 的简单方法，将文本和图像 token 作为单个数据流进行自回归建模。在足够的数据和扩展的情PT况下，当以 zero-shot 方式评估时， 该研究提出的方法与以前的领域特定模型具有相当的竞争力。

• ·Notion重磅发布AI智能体！自动生成会议笔记、竞品分析，20分钟处理数百页文档
• ·标签: 追觅 MOVA 坦途 首驱
• ·​ChatGPT新增分支对话功能，已向网页端登录用户开放
• ·标签: 同创普润 高纯材料 溅射靶材 江丰电子
• ·生成式AI热潮让云计算收入猛增 甲骨文股价创纪录
• ·0 基础也能做！用 AI 批量搞定书单号视频，短视频带货赚钱攻略全拆解
• ·阿里云Qwen3开源8款「混合推理模型」
• ·标签: 远景科技 张雷 可再生能源 能源转型
• ·谷歌AI摘要功能惹大祸！知名媒体集团起诉垄断巨头"偷内容毁生意"
• ·标签: 曹操出行 耀出行 吉利商旅 商旅服务
• ·云安全日报210202：思科互联网产品和网络解决方案发现特权升级漏洞,需要尽快升级
• ·张勇再发阿里云全员信：「客户第一」不是挂墙上的标语
• ·​OpenAI CEO 奥尔特曼发布五大原则：致力于让 AGI 惠及全人类
• ·军中绿花简谱
• ·Hinton独立发布44页论文：给你们个idea，自己去试吧
• ·标签: 福布斯 钟睒睒 张一鸣 深度求索