Imagen

Imagen官网,Google Brain推出的文本生成图像扩散模型

什么是Imagen?

Imagen AI 是一种文本到图像的扩散模型，由 Google Research Brain Team 于 2022 年开发。它具有前所未有的逼真度和深层次的语言理解能力。Google Imagen AI建立在大型 Transformer 语言模型理解文本的能力之上，并具有扩散模型在高保真图像生成方面的优势。简而言之，Imagen 是一个人工智能系统，可以根据输入文本创建逼真的图像。

Imagen官网: https://imagen.research.google

Imagen怎么样?

谷歌的Imagen AI系统是一种可以将自然文本转换为图像的先进模型，类似于OpenAI的DALL-E 2。然而，谷歌目前还未向公众开放完整版本的文本到图像AI模型。不过，现在情况正在发生变化，至少有一些变化。谷歌宣布将在其AI Test Kitchen应用程序中添加一个不完全版的Imagen。

AI Test Kitchen是在今年早些时候发布的，它开放了谷歌部分AI技术的测试版。谷歌将在该应用程序中添加Imagen，但会有一些限制。用户可以通过两种方式与Imagen进行互动，称为”城市梦想家”和”摇摆”。

在”城市梦想家”中，用户可以创造一个城市，并选择他们想要的主题。例如，如果你想创建一个”赛博城市”，Imagen的”城市梦想家”将围绕”赛博”主题创建建筑模型。这些设计看起来类似于等距模型，就像The Verge指出的那样，”看起来有点像你在模拟城市游戏中看到的样子”。

关于”摇摆”功能，它可以让用户创建一个小怪物。用户可以选择怪物的材质，如粘土、毛毡或橡胶，并给它穿上自己选择的衣服。Imagen将根据用户的描述创建出相应的怪物，用户可以为它命名并与之互动。这个功能有一些限制，用户无法创建任何想要的怪物，但是”摇摆”中的所有怪物都将共享一些设计语言。与DALL-E的公开测试版一样，Imagen的互动自由度也是有限的。

谷歌并没有详细说明这些限制是软件自身的特性，但这些限制对于Imagen的后续调试非常重要。AI Test Kitchen的目的是获得用户反馈，帮助谷歌发现AI技术方面的问题，用户与系统的互动也是测试的一部分。

随着人工智能技术变得越来越复杂和普及，相关的风险也越来越大。当限制和自由度完全开放时，一小部分用户可能会滥用这项技术。对于像谷歌这样的公司来说，用户滥用其产品可能会带来严重后果，甚至在极端情况下对其他用户或谷歌本身造成严重损害。

毫无疑问，Imagen是最先进的人工智能模型之一。然而，能力越大，责任也越大。目前还不清楚Imagen将何时成为完全公开的商业产品，如果会成为商业产品。不过，用户目前可以通过”城市梦想家”和”摇摆”功能进行测试体验。AI Test Kitchen可在Android和iOS平台上免费下载使用。

自推出以来，Imagen一直被与OpenAI的DALL-E 2、Stability AI的Stable Diffusion相比较，但不同的是，谷歌一直没有将该系统向公众开放。

现在，谷歌终于松口，宣布将把Imagen添加到其AI Test Kitchen应用中。