Pika und die Peking University sowie Stanford haben ein neues Diffusionsmodell-Framework namens RPG als Open-Source-Lösung bereitgestellt, das die LLM-Technologie (Large Language Model) geschickt nutzt, um die Fähigkeit des Diffusionsmodells zu verbessern, komplexe Aufforderungswörter zu verstehen und zu verarbeiten. Diese bahnbrechende Technologie ermöglicht es, dass die erzeugten Bilder genauer auf die vom Benutzer bereitgestellten Wortanforderungen eingehen, und ihre Wirkung übertrifft sogar die des preisgekrönten Dall·E 3. Diese Nachricht löste sofort nach ihrer Veröffentlichung heftige Diskussionen im Internet aus. Die an dem Projekt beteiligten Forscher kamen von der Peking-Universität, der Stanford-Universität und dem Mitbegründerteam von Pika. Diese Technologie bringt neue Möglichkeiten in den Bereich der Bilderzeugung mit künstlicher Intelligenz. Lassen Sie uns abwarten und ihre zukünftige Entwicklung beobachten.
Pika arbeitete mit der Peking-Universität und Stanford zusammen, um das RPG-Framework als Open-Source-Lösung zu entwickeln. Dabei nutzte es die LLM-Technologie, um die Fähigkeit des Diffusionsmodells, komplexe Aufforderungswörter zu verstehen, zu verbessern. Der Effekt übertraf Dall·E 3. Das Framework kann Bilder generieren, die die Anforderungen an prompte Wörter besser erfüllen, und hat im Internet für hitzige Diskussionen gesorgt. Beteiligte Autoren sind von der Peking University, Stanford und dem Mitbegründer von Pika. Weitere Informationen finden Sie unter dem Originallink.
Die offene Quelle des RPG-Frameworks stellt einen großen Fortschritt in der Bilderzeugungstechnologie mit künstlicher Intelligenz dar und stellt Entwicklern und Forschern leistungsstarke neue Tools zur Verfügung. In Zukunft können wir uns auf weitere innovative Anwendungen freuen, die auf der LLM-Technologie basieren und uns ein noch erstaunlicheres Erlebnis bei der KI-Bilderzeugung bescheren.