谷歌新AI火了！世界最长单词都能画：Pneumonoultramicroscop…… 杨净金磊发自凹非寺量子位|公

杨净金磊发自凹非寺
量子位|公众号QbitAI
朋友，你知道这个英文单词是什么吗？
Pneumonoultramicroscopicsilicovolcanoconiosis.
这个世界公认最长——由45个字母组成的单词，意思是“因肺部沉积火山矽质微粒所引起的疾病”（俗称火山矽肺病）。
但如果说，现在不是让你拼读这个单词，而是……把它给画出来呢？
（读都读不出来，还画画？？？）

文章图片
谷歌最新提出来的一个AI——Parti ，它就能轻松hold住这事。
在把这个单词“投喂”给Parti后，它就能有模有样地生成多张合情合理的肺部疾病图片：

文章图片
但这只是Parti小试牛刀的能力，据谷歌介绍，它是目前最先进的“文本转图像”AI 。
例如，跟它说句：“把悉尼歌剧院和巴黎铁塔做个结合” ，输出结果是这样的：

文章图片
（不知道的还真以为是画报呢）
而且在算法路数上，还不同于谷歌自家的Imagen ， Parti可以说是把“AI作画”卷出了新高度。

文章图片
就连谷歌AI负责人JeffDean也连发数条推文，玩得不亦乐乎：

文章图片
可扩展到200亿参数：更逼真，更“聪明”事实上， Parti的能力还不止于此。
得益于模型可扩展到200亿参数，一方面，它生成的图像更加细节逼真。
不管是短短几个字，还是五十多个个单词的小段落，都能清晰展现出来。
比如， Thebackofaviolin ，小提琴的背面。

文章图片
亦或是照着梵高《星空》来描述的夜晚画面。 ps ，这段有67个单词。

文章图片
结果Parti也不在话下，一揽子把各种风格的图全给你画出来了~

文章图片
这也正是Parti的第二大能力，不光细节到位，风格也能做到多变。
还有像“浣熊穿正装，头戴礼帽，拄着拐杖，拿着个垃圾袋”这种奇特的描述，它也能在整出花活的同时还不落细节。
风格上，则有梵高风、埃及法老风、像素风、中国传统绘画风、抽象主义风……

文章图片
甚至有时候它还会讲双关笑话。

文章图片
（Toad’ay ，癞蛤蟆）
具体在测试结果上， MS-COCO、LocalizedNarrative（LN ， 4倍长的描述）上FID分数， Parti都取得了最先进的结果。

文章图片
尤其在MS-COCO零样本的FID得分仅为7.23 ，微调FID得分为3.22 ，超过了此前的Imagen和DALL-E2 。
所有组件都是Transformer时隔一个月，谷歌再把AI作画卷出新高度，结果作者却说：秘诀很简单。

文章图片
Parti主要是将文本生成图像视作序列到序列之间建模。这有点类似于机器翻译，将文本标记作为编码器的输入，目标输出从文本变成了图像。