- Meta AIの「Emu」は、綿密なキュレーションと人間の専門知識により、AI画像生成に革命をもたらします。
- 品質管理フィルターと写真専門家によって、AI生成画像のトップクラスの美的基準が確保されています。
- Emuのアプローチは、メタバースにおける視覚体験を向上させるために、アートとサイエンスの重要性を浮き彫りにしています。
メタバースのビジョンで知られるテクノロジー大手、Meta AIは、人工知能における画期的な開発を発表しました。彼らは、AI生成画像の品質を向上させることを目的とした新しいプロジェクト「Emu」を導入しました。EmuはAIイノベーションにおける飛躍であり、AI生成コンテンツにおける綿密なキュレーションと人間の専門知識の重要性を強調しています。
1.1億の画像-テキストペアによる事前トレーニング
Emuの開発の核心には、事前トレーニングから始まる2段階のプロセスがあります。この初期段階では、拡散モデルがMeta AIの内部リソース由来の11億の画像-テキストペアからなる巨大なデータセットにさらされます。ここで重要な役割を果たすのは、28億ものパラメータを誇るU-Netモデルです。CLIP ViT-LやT5-XXLなどのテキストエンコーダーがこのアーキテクチャを補完するために活用されます。全体の目標は、1024×1024ピクセルの解像度で高品質な画像を生成することです。
厳格なデータセットのフィルタリング
AI生成コンテンツの作成において、品質管理は最も重要です。Meta AIは、データセットの整合性を確保するために複数のフィルターを採用しています。10億以上のサンプルから20万以上のサンプルが慎重に除外されます。以下のような様々なフィルターが活用されます：
美的評価
分類器が画像の美的評価に使用されます。このステップにより、望ましい視覚基準を満たさない可能性のある画像を除外します。
コンテンツフィルタリング
望ましくないコンテンツを除外するメカニズムが用意されています。これにより、生成された画像が視覚的に魅力的であるだけでなく、コミュニティガイドラインと倫理基準にも準拠することが確保されます。
テキストの除外
テキストが大量に含まれる画像は、光学文字認識（OCR）を使用して除外されます。これにより、焦点が視覚的な側面に留まることが確保されます。
解像度と比率の確認
事前に定義された解像度と比率の基準を満たさない画像はフィルタリングされ、データセットの一貫性が確保されます。
人気指標
「いいね」などの人気指標もフィルタリングに役割を果たし、データセットの微調整をさらに進めます。
キュレーションにおける人間の専門知識
次の段階では、人間の専門知識が主役となります。データ注釈に精通した一般者が、残りの20万枚の画像をレビューし、2万枚のサブセットを選択します。主な目的は、著しく劣質な画像を特定して除去し、キュレーションに人間のタッチを加えることです。このステップは重要であり、ヒューリスティック（経験則）だけでは最高品質の画像品質を保証できない可能性があるためです。
写真専門家による画像の選択
画像の品質への追求はそこで終わりません。写真の原則に深い知識を持つ**写真専門家**の専用チームが登場します。彼らの使命は、最も高い美的品質を体現する画像をフィルタリングして選択することです。彼らは構図、照明、カラーリング、コントラスト、テーマの関連性、背景を精査します。この綿密な選択プロセスは、最高水準の視覚基準を満たすAI生成画像を作成する上で決定的に重要です。
高品質なテキスト注釈の作成
最後の仕上げとして、キュレーションされた2,000組の画像-テキストペアのデータセットに対して、高品質なテキスト注釈が慎重に作成されます。これらの注釈は生成された画像に文脈と意味を提供し、その有用性と魅力を高めます。
モデルのトレーニング
洗練されたデータセットを用いて、Emuモデルはトレーニングフェーズに入ります。バッチサイズ64で15,000ステップを完了します。注目すべきは、このバッチサイズが他の大規模生成モデルと比較して比較的少ないことです。検証損失に基づくとモデルが過学習しているように見える可能性がありますが、**人間の評価**は異なる picture を示します。この現象は、指標がモデルパフォーマンスの全貌を常に物語るとは限らない言語モデルで観察された現象と類似しています。
AI生成画像の芸術と科学
Emuの多段階プロセスは、AI生成コンテンツにおける重要なマイルストーンを表しています。Meta AIのアプローチは、サービスの実際の応用を改善することだけでなく、AI生成コンテンツを洗練させるための慎重なキュレーションと人間の専門知識の重要な役割を強調しています。AIが業界とテクノロジーとの相互作用の方法を継続的に再形成する中で、Emuはより高品質なAI生成画像を求める旅における芸術と科学の融合の証として立っています。
視覚的メディアが巨大な影響力を持つ世界において、EmuはAI生成画像の基準を高め、メタバースおよびその先でより没入感があり魅力的なデジタル体験への道を開くことを約束しています。この画期的な開発の詳細については、AI画像生成の未来をさらに深く掘り下げる完全な記事をご覧ください。
これをお読みいただいているあなたは、すでに一歩先を行っています。当社のニュースレターでその先を行ってください。
免責事項. ここに提供される情報は取引助言ではありません。 Cryptopolitan.com 当社は、このページに提供される情報に基づいて行われたいかなる投資に対しても責任を負いません。いかなる投資判断を下す前に、独立した調査および/または資格を有する専門家への相談を強く推奨します。
グローリー・カブル
グロリー氏は、AIツールとリサーチに精通した非常に知識豊富なジャーナリストです。AIに情熱を持ち、同分野に関する複数の記事を発表しています。人工知能、機械学習、ディープラーニングの最新動向を常に把握し、定期的に執筆活動を行っています。
