关于女子蹦极衣服消失这到底是个什么梗?

　　而且其效率远超火爆全球的DALL·E 2和Imagen （这俩都属于扩散模型），以及Parti （属于自回归模型）。

　　效果着实挺出色。那Muse背后都有哪些技术支持？为什么效率比DALL·E 2和Imagen更高？

　　一个重要的原因是，DALL·E 2和Imagen在训练过程中，需要将所有学到的知识都存储在模型参数中。

　　于是，它们不得不需要越来越大的模型、越来越多的训练数据来获取更多知识——将Better和Bigger绑在了一起。

　　而据谷歌AI团队介绍，他们采用的主要方法名曰：掩码图像建模 （Masked image modeling）。

　　Muse模型在离散标记的空间掩码上训练，并结合从预训练语言大模型中提取的文本，预测随机遮蔽的图像标记。

　　就输出而言，由于AI对物体的空间关系、姿态等要素把握得很不错，所以生成的图像可以做到高保真。

　　与DALL·E 2、Imagen等像素空间的扩散模型相比，Muse用的是离散的token，并且采样迭代较少。

　　（FID分数用于评估生成图像的质量，分数越低质量越高；CLIP分数则代表文本与图像的契合程度，分数越高越好。）

　　更优秀的是，Muse-900M模型在CC3M数据集上实现了新的SOTA，FID得分为6.06，这也意味着它与文字的匹配度是最高的。

　　除此之外，为了进一步证实Muse的出图效率，研究者还对比了Muse与其他模型的单张图像生成时间：

　　她本科就读于清华大学，博士毕业于普林斯顿大学，有过在Adobe、Facebook等的实习经历。

　　Han Zhang，本科毕业于中国农业大学，硕士就读于北京邮电大学，后在罗格斯大学取得了计算机科学博士学位。

　　有网友调侃，虽然它应该很香，但以谷歌的“尿性”，Muse离正式发布可能还有很长时间——毕竟他们还有18年的AI都没发呢。

　　原标题：《效率碾压DALL·E 2和Imagen，谷歌新模型达成新SOTA，还能一句话搞定PS》