DALL·E 2 预训练安全措施
OpenAI 针对 DALL·E 2 实施了多项预训练安全措施,以降低强大图像生成模型的相关风险。通过设置防护栏,防止生成图像违反其内容政策,从而在向广泛用户开放该模型时保障合规性。
OpenAI 针对 DALL·E 2 实施了多项预训练安全措施,以降低强大图像生成模型的相关风险。通过设置防护栏,防止生成图像违反其内容政策,从而在向广泛用户开放该模型时保障合规性。
Hugging Face 发布教程,逐步推导 DDPM 原理并在 PyTorch 中实现 U-Net 去噪网络。教程涵盖前向加噪、反向采样及损失函数推导,在 Fashion-MNIST 上训练展示了扩散模型生成过程。
OpenAI 更新 DALL·E 2 研究预览版,早期用户已创建超过 300 万张图像并协助完善安全流程。平台每周将开始从候补名单中新增最多 1000 名用户。
Hugging Face 官方展示如何利用 datasets 库、sentence_transformers 和 faiss 构建图像搜索应用。该方案使用英国图书馆的书籍插图数据集,通过 datasets 的 ImageFolder 加载器读取图像,并借助 faiss 索引实现基于向量相似度的图像检索,超越了传统标签搜索。
OpenAI 推出可逆生成模型 Glow,该模型使用可逆 1x1 卷积扩展了此前的可逆生成模型研究并简化了架构。Glow 能够生成逼真的高分辨率图像,支持高效采样,并能发现用于操控数据属性的特征。OpenAI 已发布该模型的代码及在线可视化工具,供研究人员探索和基于此成果进行开发。
OpenAI 创建了能在多种尺度和视角下可靠欺骗神经网络分类器的图像。这一成果反驳了上周关于自动驾驶汽车因从多尺度、多角度和视角捕获图像而难以被恶意欺骗的说法。