Meta apresenta ‘Emu’ para melhorar a geração de imagens por IA

A Meta AI, a gigante da tecnologia por trás da visão do Metaverso, anunciou um desenvolvimento inovador em inteligência artificial. Eles apresentaram um novo projeto chamado ‘Emu’, destinado a melhorar a qualidade das imagens geradas por IA. O Emu é um salto na inovação de IA e destaca a importância da curadoria meticulosa e da expertise humana no conteúdo gerado por IA.

Pré-treinamento com 1.1 bilhões de pares imagem-texto

No cerne do desenvolvimento do Emu está um processo em duas etapas que começa com o pré-treinamento. Nesta fase inicial, um modelo de difusão é exposto a um conjunto de dados massivo composto por 1,1 bilhão de pares imagem-texto dos recursos internos da Meta AI. O jogador-chave aqui é um modelo U-Net com impressionantes 2,8 bilhões de parâmetros. Codificadores de texto como CLIP ViT-L e T5-XXL entram em jogo para complementar esta arquitetura. O objetivo geral? Gerar imagens de alta qualidade com uma resolução de 1024×1024 pixels.

Filtragem rigorosa do conjunto de dados

O controle de qualidade é primordial quando se trata de criar conteúdo gerado por IA. A Meta AI emprega vários filtros para garantir a integridade de seu conjunto de dados. Mais de 200.000 amostras são meticulosamente eliminadas de mais de um bilhão de exemplos. Vários filtros entram em jogo:

Avaliação estética

Classificadores são empregados para avaliar a estética das imagens. Esta etapa ajuda a descartar imagens que podem não atender aos padrões visuais desejados.

Filtragem de conteúdo

Mecanismos estão presentes para descartar conteúdo indesejável. Isso garante que as imagens geradas sejam não apenas visualmente atraentes, mas também adherentes às diretrizes da comunidade e padrões éticos.

Exclusão de texto

Imagens carregadas de texto são excluídas usando reconhecimento óptico de caracteres (OCR). Isso garante que o foco permaneça no aspecto visual.

Verificações de resolução e proporção

Imagens que não atendem aos critérios predefinidos de resolução e proporção são filtradas, garantindo uniformidade no conjunto de dados.

Métricas de popularidade

Mesmo métricas de popularidade, como curtidas, desempenham um papel na filtragem, refinando ainda mais o conjunto de dados.

Expertise humana na curadoria

Na fase subsequente, a expertise humana assume o centro das atenções. Generalistas, indivíduos bem versados em anotação de dados, revisam as 200.000 imagens restantes e selecionam um subconjunto de 20.000. O objetivo principal é identificar e remover imagens significativamente abaixo da média, proporcionando um toque humano à curadoria. Esta etapa é crucial, pois heurísticas sozinhas podem não garantir qualidade de imagem de primeira linha.

Seleção de imagens por especialistas em fotografia

A busca pela qualidade da imagem não para por aí. Uma equipe dedicada de **especialistas em fotografia** com profundo conhecimento dos princípios fotográficos entra em cena. Sua missão? Filtrar e selecionar imagens que exemplifiquem a mais alta qualidade estética. Eles examinam composição, iluminação, esquemas de cores, contrastes, relevância temática e fundos. Este processo de seleção meticulosa é fundamental para criar imagens geradas por IA que atendam aos mais altos padrões visuais.

Elaboração de Anotações de Texto de Alta Qualidade

Como toque final, anotações de texto de alta qualidade são meticulosamente elaboradas para este conjunto de dados curado de 2.000 pares imagem-texto. Essas anotações fornecem contexto e significado às imagens geradas, aprimorando sua utilidade e apelo.

Treinamento do modelo

Com o conjunto de dados refinado, o modelo Emu embarca na fase de treinamento. Ele completa 15.000 etapas com um tamanho de lote de 64. Notavelmente, este tamanho de lote é relativamente pequeno em comparação com outros grandes modelos generativos. Embora o modelo possa ser treinado em excesso com base na perda de validação, **avaliações humanas** pintam um quadro diferente. Este fenômeno espelha observações feitas em modelos de linguagem, onde as métricas nem sempre contam a história completa do desempenho do modelo.

A arte e a ciência das imagens geradas por IA

O processo de múltiplas etapas do Emu representa um marco significativo no conteúdo gerado por IA. A abordagem da Meta AI não busca apenas melhorar as aplicações práticas de seus serviços, mas também destaca o papel vital da curadoria cuidadosa e da expertise humana no refinamento do conteúdo gerado por IA. À medida que a IA continua a remodelar indústrias e a forma como interagimos com a tecnologia, o Emu serve como um testemunho da união entre arte e ciência na busca por imagens geradas por IA de maior qualidade.

Em um mundo onde o meio visual exerce enorme influência, o Emu promete elevar os padrões da imagem gerada por IA, abrindo caminho para experiências digitais mais imersivas e cativantes no Metaverso e além. Para mais detalhes sobre este desenvolvimento inovador, explore o artigo completo para mergulhar mais fundo no futuro da geração de imagens por IA.