Meta presenta 'Emu' para mejorar la generación de imágenes por IA

Meta AI, el gigante tecnológico detrás de la visión del Metaverso, ha anunciado un desarrollo innovador en inteligencia artificial. Han presentado un nuevo proyecto llamado 'Emu', destinado a mejorar la calidad de las imágenes generadas por IA. Emu es un salto en la innovación de IA y subraya la importancia de la curación meticulosa y la experiencia humana en el contenido generado por IA.

Pre-entrenamiento con 1.1 mil millones de pares imagen-texto

En el corazón del desarrollo de Emu hay un proceso de dos etapas que comienza con el pre-entrenamiento. En esta fase inicial, un modelo de difusión se expone a un conjunto de datos masivo que comprende 1.100 millones de pares imagen-texto de los recursos internos de Meta AI. El jugador clave aquí es un modelo U-Net que cuenta con un impresionante 2.800 millones de parámetros. Los codificadores de texto como CLIP ViT-L y T5-XXL entran en juego para complementar esta arquitectura. ¿El objetivo general? Generar imágenes de alta calidad con una resolución de 1024×1024 píxeles.

Filtrado riguroso del conjunto de datos

El control de calidad es primordial cuando se trata de crear contenido generado por IA. Meta AI emplea múltiples filtros para garantizar la integridad de su conjunto de datos. Más de 200.000 muestras se eliminan meticulosamente de más de mil millones de ejemplos. Varios filtros entran en juego:

Evaluación estética

Se emplean clasificadores para evaluar la estética de las imágenes. Este paso ayuda a descartar imágenes que pueden no cumplir con los estándares visuales deseados.

Filtrado de contenido

Existen mecanismos para descartar contenido no deseado. Esto asegura que las imágenes generadas no solo sean visualmente atractivas, sino que también cumplan con las pautas de la comunidad y los estándares éticos.

Exclusión de texto

Las imágenes cargadas de texto se excluyen mediante el reconocimiento óptico de caracteres (OCR). Esto asegura que el enfoque permanezca en el aspecto visual.

Verificaciones de resolución y proporción

Las imágenes que no cumplen con los criterios predefinidos de resolución y proporción se filtran, asegurando la uniformidad en el conjunto de datos.

Métricas de popularidad

Incluso las métricas de popularidad, como los 'me gusta', juegan un papel en el filtrado, afinando aún más el conjunto de datos.

Experiencia humana en la curación

En la fase subsiguiente, la experiencia humana toma el centro del escenario. Los generalistas, individuos bien versados en la anotación de datos, revisan las 200.000 imágenes restantes y seleccionan un subconjunto de 20.000. El objetivo principal es identificar y eliminar imágenes significativamente de baja calidad, aportando un toque humano a la curación. Este paso es crucial, ya que las heurísticas por sí solas pueden no garantizar una calidad de imagen de primera categoría.

Selección de imágenes por especialistas en fotografía

La búsqueda de la calidad de imagen no se detiene ahí. Un equipo dedicado de **especialistas en fotografía** con un profundo conocimiento de los principios fotográficos entra en escena. ¿Su misión? Filtrar y seleccionar imágenes que ejemplifiquen la más alta calidad estética. Examinan la composición, la iluminación, los esquemas de color, los contrastes, la relevancia temática y los fondos. Este meticuloso proceso de selección es fundamental para crear imágenes generadas por IA que cumplan con los más altos estándares visuales.

Creación de anotaciones de texto de alta calidad

Como toque final, se crean meticulosamente anotaciones de texto de alta calidad para este conjunto de datos curado de 2.000 pares imagen-texto. Estas anotaciones proporcionan contexto y significado a las imágenes generadas, mejorando su utilidad y atractivo.

Entrenamiento del modelo

Con el conjunto de datos refinado, el modelo Emu se embarca en la fase de entrenamiento. Completa 15.000 pasos con un tamaño de lote de 64. Cabe destacar que este tamaño de lote es relativamente pequeño en comparación con otros modelos generativos grandes. Si bien el modelo puede ser sobreentrenado según la pérdida de validación, las **evaluaciones humanas** pintan un cuadro diferente. Este fenómeno refleja observaciones realizadas en modelos de lenguaje, donde las métricas no siempre cuentan toda la historia del rendimiento del modelo.

El arte y la ciencia de las imágenes generadas por IA

El proceso de múltiples etapas de Emu representa un hito significativo en el contenido generado por IA. El enfoque de Meta AI no solo busca mejorar las aplicaciones prácticas de sus servicios, sino que también subraya el papel vital de la curación cuidadosa y la experiencia humana en el refinamiento del contenido generado por IA. A medida que la IA continúa remodelando las industrias y la forma en que interactuamos con la tecnología, Emu se erige como un testimonio de la unión del arte y la ciencia en la búsqueda de imágenes generadas por IA de mayor calidad.

En un mundo donde el medio visual ejerce una influencia inmensa, Emu promete elevar los estándares de las imágenes generadas por IA, allanando el camino para experiencias digitales más inmersivas y cautivadoras en el Metaverso y más allá. Para obtener más detalles sobre este desarrollo revolucionario, explore el artículo completo para sumergirse en el futuro de la generación de imágenes con IA.