Google ની છબી 3: શું તે છબી જનરેશનમાં નવીનતમ AI ક્રાંતિ છે?

Google એ ઇમેજ જનરેટ કરવા માટે તેનું નવું AI મોડલ બહાર પાડ્યું, જેને Imagen 3 કહેવાય છે . કંપનીએ આ રિલીઝ વિશે કોઈ મોટી જાહેરાત કરી નથી. તેના બદલે, તેણે મોડેલને વપરાશકર્તાઓ માટે ખૂબ ધામધૂમ વિના ઉપલબ્ધ કરાવ્યું. પ્રકાશન સાથે, Google એ મોડેલ કેવી રીતે કાર્ય કરે છે તે સમજાવતું સંશોધન પેપર પણ પ્રકાશિત કર્યું.

ઉપલબ્ધતા અને લક્ષણો

અત્યારે, Imagen 3 માત્ર યુ.એસ.માં વપરાશકર્તાઓ માટે જ ઉપલબ્ધ છે. તે અન્ય દેશોમાં ક્યારે ઉપલબ્ધ થશે તે અંગે હજુ સુધી કોઈ માહિતી નથી. વપરાશકર્તાઓ Google ના AI ટેસ્ટ કિચન દ્વારા મોડેલને ઍક્સેસ કરી શકે છે . આ પ્લેટફોર્મ લોકોને સાઇન અપ કરવા અને છબીઓ બનાવવા માટે Imagen 3 નો ઉપયોગ કરવાનું શરૂ કરવા દે છે.

Imagen 3 એ Google ના Imagen મોડલનું ત્રીજું સંસ્કરણ છે. તે સુધારેલ ટેક્સચર જનરેશન, વધુ સારી શબ્દ ઓળખ અને પ્રોમ્પ્ટનું કડક પાલન દર્શાવે છે. આનો અર્થ એ છે કે આપેલ વર્ણનોના આધારે છબીઓ બનાવવા માટે તે વધુ સારું હોવું જોઈએ.

વપરાશકર્તા અનુભવ અને સમસ્યાઓ

હાલમાં, Imagen 3 વિશે કેટલીક મિશ્ર સમીક્ષાઓ છે. જો કે, કેટલાક વપરાશકર્તાઓને બહુવિધ લોકો અને નબળી રીતે પ્રકાશિત દ્રશ્યોને સમાવિષ્ટ ક્લોઝ-અપ ઈમેજોમાં મુશ્કેલી હોય તેવું લાગે છે. આ એવા વિસ્તારો હતા જ્યાં મોડલના પાછલા સંસ્કરણે વધુ સારું પ્રદર્શન કર્યું હતું.

નોંધાયેલ અન્ય સમસ્યા અંગોની છબીઓ બનાવવાની છે.

વપરાશકર્તાઓએ શોધી કાઢ્યું કે જ્યારે તેઓ "કોફીનો કપ પકડેલો વ્યક્તિ" જેવા સંકેતોનો ઉપયોગ કરે છે, ત્યારે મોડેલ કેટલીકવાર વધારાના અંગો ઉત્પન્ન કરે છે અથવા અંગોને અસામાન્ય રીતે વસ્તુઓ સાથે મર્જ કરે છે. મોડેલમાં પ્રોમ્પ્ટ્સ માટે ખૂબ કડક સેન્સરશીપ નિયમો પણ છે, જે પરિણામોને અસર કરી શકે છે.

તકનીકી વિગતો

Googleનું સંશોધન પેપર, arXiv પર પ્રકાશિત, Imagen 3 ના કેટલાક તકનીકી પાસાઓને સમજાવે છે . મોડેલ સુપ્ત પ્રસરણ તરીકે ઓળખાતી તકનીકનો ઉપયોગ કરે છે. આ પદ્ધતિ સ્ટેબલ ડિફ્યુઝન દ્વારા લોકપ્રિય પ્રસરણ મોડેલની વિવિધતા છે. Google એ પણ ઉલ્લેખ કર્યો છે કે તેઓએ મોડેલનો ઉપયોગ કરવાથી સંભવિત નુકસાન ઘટાડવા માટે નવી પદ્ધતિઓ લાગુ કરી છે.

અન્ય મોડલ્સ સાથે સરખામણી

જેમિની ફ્રી-ટાયર ચેટબોટથી વિપરીત, જે ઇમેજ પણ જનરેટ કરી શકે છે પરંતુ વિવિધ ક્ષમતાઓનો ઉપયોગ કરે છે, Imagen 3 એક અલગ આર્કિટેક્ચર પર બનેલ છે. Imagen 3 ને મુખ્યત્વે ઇમેજ ડેટા પર તાલીમ આપવામાં આવે છે, જે તેને વધુ સારી અને વધુ સચોટ AI ઇમેજ બનાવવામાં મદદ કરે છે.

છબી 3 વિશેના મુદ્દાઓનો સારાંશ

1. ગૂગલે ગુરુવારે ઇમેજ જનરેશન માટે તેનું Imagen 3 AI મોડલ બહાર પાડ્યું.
2. આ મોડલ હાલમાં માત્ર યુ.એસ.માં વપરાશકર્તાઓ માટે ઉપલબ્ધ છે.
3. વપરાશકર્તાઓ Google ના AI ટેસ્ટ કિચન દ્વારા Imagen 3 ને ઍક્સેસ કરી શકે છે.
4. Imagen 3 એ ટેક્ષ્ચર, બહેતર શબ્દ ઓળખ અને કડક પ્રોમ્પ્ટ પાલનમાં સુધારો કર્યો છે.
5. કેટલાક વપરાશકર્તાઓ ક્લોઝ-અપ ઈમેજો અને અન્ડરલાઈટ દ્રશ્યો સાથે સમસ્યાઓની જાણ કરે છે.
6. મોડેલ છબીઓમાં ચોક્કસ અંગો બનાવવા માટે સંઘર્ષ કરે છે.
7. ગૂગલના સંશોધન પેપરમાં સુપ્ત પ્રસરણના ઉપયોગની વિગતો આપવામાં આવી છે, જે પ્રસરણ મોડલનો એક પ્રકાર છે.
8. Imagen 3 જેમિનીની ઇમેજ જનરેશનથી અલગ છે, જે ઇમેજ-વિશિષ્ટ તાલીમ પર વધુ ધ્યાન કેન્દ્રિત કરે છે.