MULTIMODAL AI - AI Dynamics

How AI learns animal-environment correlations in image generation

By

–

03 January 2023 20h49

Fijaos un detalle muy curioso que enseña la forma de operar de la IA, cómo al pedir convertir al gato en conejo, toooodo el entorno de alrededor se convierte en indoor (fondo, puerta, suelo, etc) Esto es porque la IA ha aprendido cuál es la correlación animal-entorno habitual 🙂

→ View original post on X — @dotcsv

3 January 2023

Image editing by prompt demonstrates impressive generative AI capabilities

By

@dotcsv

–

03 January 2023 20h44

BONUS TRACK Aquí os dejo unos cuantos ejemplos más de la edición de imágenes por prompt, que me parece es una de las funcionalidades más impresionantes de este paper.

→ View original post on X — @dotcsv

3 January 2023

Muse AI Model: Examples and Research Paper Available

By

@dotcsv

–

03 January 2023 20h39

Tenéis más ejemplos y el paper sobre Muse en la web del proyecto. (WEB) https://
muse-model.github.io Gracias por leerme y seguidme para aprender más sobre Inteligencia Artificial. Si te ha gustado la info comparte el hilo completo haciendo RT

→ View original post on X — @dotcsv

3 January 2023

Muse faster than Stable Diffusion but Stability pushes boundaries

By

@dotcsv

–

03 January 2023 20h39

¿Muse es x3 más rápido que Stable Diffusion? Ok… Pero es que Stability, impulsado por la comunidad open source, ya trabaja en una versión x30 veces más rápida! Para 2023 sólo pido a una Google más abierta. TÚ ANTES MOLABAS…

→ View original post on X — @dotcsv

3 January 2023

Google’s New AI Model: Evaluating Quality and Performance Claims

By

@dotcsv

–

03 January 2023 20h39

Aquí una comparación entre varios modelos, sacado del paper oficial. Las imágenes del oso panda es la que mejor representa lo que quiero decir. En cualquier caso… ¿sabes cómo se podría comprobar realmente la calidad y el rendimiento de este nuevo modelo? ¿Eh Google? ¿EHHH?

→ View original post on X — @dotcsv

3 January 2023

Image Generation Model Evaluation: Quality Beyond FID Metrics

By

@dotcsv

–

03 January 2023 20h39

Son imágenes chulas (hace un año hubieran sido increíbles), pero me parecen planas y con texturas con muy poco detalle. Cuantitativamente no se aleja mucho de Imagen y supera a Stable Diffusion, pero no sé. ¿A lo mejor evaluar con la métrica FID se nos está quedando limitado?

→ View original post on X — @dotcsv

3 January 2023

VQGAN vs Diffusion Models: Image Quality Comparison Analysis

By

@dotcsv

–

03 January 2023 20h39

Parti, también de Google, es otro modelo que sigue una estrategia similar. Y aquí hay que decir que si bien parece que las VQGAN consiguen una mejor cercanía entre el prompt y la imagen, mi ojo percibe que la calidad de estas imágenes es peor que con otros modelos cde difusión…

→ View original post on X — @dotcsv

3 January 2023

Transformers and VQGAN: Alternative to Modern Diffusion Models

By

@dotcsv

–

03 January 2023 20h38

Y es que a diferencia de Stable Diffusion, DALL-E, Midjourney e Imagen, este modelo no usa las modernas arquitecturas de Diffusion. Sino que recupera la tendencia de 2021: los Transformers y las VQGAN. ¿Y eso qué es…? Pues aquí te lo explico

→ View original post on X — @dotcsv

3 January 2023

Muse generates images 3x faster than Stable Diffusion

By

@dotcsv

–

03 January 2023 20h38

Por último, otra cualidad más de Muse es que es MÁS RÁPIDO que sus otros compañeros, logrando generar imágenes ~3 veces más rápido que Stable Diffusion y entre 8-10 veces más rápido que su hermano mayor, Imagen.

→ View original post on X — @dotcsv

3 January 2023