गुगलची इमेजन 3: इमेज जनरेशनमधील ही नवीनतम एआय क्रांती आहे का?

Google ने प्रतिमा निर्माण करण्यासाठी त्याचे नवीन AI मॉडेल जारी केले, ज्याला Imagen 3 म्हणतात . कंपनीने या रिलीझबद्दल कोणतीही मोठी घोषणा केलेली नाही. त्याऐवजी, हे मॉडेल वापरकर्त्यांना जास्त धमाल न करता उपलब्ध करून दिले. प्रकाशनासह, Google ने मॉडेल कसे कार्य करते हे स्पष्ट करणारा एक शोधनिबंध ऑनलाइन प्रकाशित केला.

उपलब्धता आणि वैशिष्ट्ये

आत्ता, इमेजन 3 फक्त यूएस मधील वापरकर्त्यांसाठी उपलब्ध आहे. इतर देशांमध्ये ते कधी उपलब्ध होईल याबद्दल अद्याप कोणतीही माहिती नाही. वापरकर्ते Google च्या AI टेस्ट किचनद्वारे मॉडेलमध्ये प्रवेश करू शकतात . हे प्लॅटफॉर्म लोकांना साइन अप करू देते आणि प्रतिमा तयार करण्यासाठी Imagen 3 वापरणे सुरू करू देते.

Imagen 3 ही Google च्या Imagen मॉडेलची तिसरी आवृत्ती आहे. यात सुधारित टेक्सचर निर्मिती, उत्तम शब्द ओळख आणि प्रॉम्प्ट्सचे कठोर पालन करण्याची वैशिष्ट्ये आहेत. याचा अर्थ दिलेल्या वर्णनांवर आधारित प्रतिमा तयार करणे अधिक चांगले असावे.

वापरकर्ता अनुभव आणि समस्या

सध्या, Imagen 3 बद्दल काही संमिश्र पुनरावलोकने आहेत. तथापि, काही वापरकर्त्यांना एकाधिक लोकांचा समावेश असलेल्या क्लोज-अप प्रतिमा आणि खराब प्रकाश असलेल्या दृश्यांमध्ये समस्या असल्याचे दिसते. हे असे क्षेत्र होते जेथे मॉडेलच्या मागील आवृत्तीने चांगले प्रदर्शन केले.

नोंदवलेली दुसरी समस्या अंगांच्या प्रतिमा निर्माण करणे आहे.

वापरकर्त्यांना असे आढळून आले की जेव्हा त्यांनी "कॉफीचा कप धरलेला एक माणूस" सारख्या प्रॉम्प्टचा वापर केला, तेव्हा मॉडेलने काहीवेळा अतिरिक्त हातपाय तयार केले किंवा असामान्य मार्गांनी वस्तूंसह अंग विलीन केले. मॉडेलमध्ये प्रॉम्प्टसाठी अत्यंत कठोर सेन्सॉरशिप नियम आहेत, जे परिणामांवर परिणाम करू शकतात.

तांत्रिक तपशील

arXiv वर प्रकाशित Google चा शोधनिबंध, Imagen 3 च्या काही तांत्रिक बाबी स्पष्ट करतो . मॉडेल सुप्त प्रसार नावाचे तंत्र वापरते. ही पद्धत स्थिर प्रसाराद्वारे लोकप्रिय केलेल्या प्रसार मॉडेलची भिन्नता आहे. Google ने असेही नमूद केले की त्यांनी मॉडेल वापरण्यापासून संभाव्य हानी कमी करण्यासाठी नवीन पद्धती लागू केल्या आहेत.

इतर मॉडेलशी तुलना

जेमिनीच्या फ्री-टियर चॅटबॉटच्या विपरीत, जो प्रतिमा देखील तयार करू शकतो परंतु भिन्न क्षमता वापरतो, इमेजन 3 एका वेगळ्या आर्किटेक्चरवर तयार केले आहे. इमेजन 3 हे प्रामुख्याने इमेज डेटावर प्रशिक्षित केले जाते, जे त्यास अधिक चांगल्या आणि अधिक अचूक AI प्रतिमा तयार करण्यात मदत करते.

इमेजन 3 बद्दलच्या मुद्यांचा सारांश

1. गुगलने गुरुवारी इमेजन 3 एआय मॉडेल इमेज जनरेशनसाठी जारी केले.
2. हे मॉडेल सध्या फक्त यूएसमधील वापरकर्त्यांसाठी उपलब्ध आहे.
3. वापरकर्ते Google च्या AI टेस्ट किचनद्वारे इमेजन 3 मध्ये प्रवेश करू शकतात.
4. इमेजन 3 मध्ये सुधारित पोत, चांगले शब्द ओळख आणि कठोर तत्पर पालन केले आहे.
5. काही वापरकर्ते क्लोज-अप प्रतिमा आणि अंडरलिट दृश्यांसह समस्या नोंदवतात.
6. प्रतिमांमध्ये अचूक अंग तयार करण्यासाठी मॉडेल संघर्ष करते.
7. Google च्या संशोधन पेपरमध्ये सुप्त प्रसार, प्रसार मॉडेल्सचा एक प्रकार, वापराचा तपशील आहे.
8. इमेजन 3 मिथुनच्या प्रतिमा निर्मितीपेक्षा भिन्न आहे, प्रतिमा-विशिष्ट प्रशिक्षणावर अधिक लक्ष केंद्रित करते.