トップQs
タイムライン
チャット
視点

Text-to-Imageモデル

ウィキペディアから

Text-to-Imageモデル
Remove ads

Text-to-Imageモデル(テキストトゥイメージモデル)は、入力された自然言語プロンプトを読み取り、その内容に一致する画像を生成する機械学習モデル。

Thumb
an astronaut riding a horse, by Hiroshigeというプロンプトから出力された画像。2022年に初めて公開されたStable Diffusion 3.5によって生成されたものである。

Text-to-Imageモデルは、AIブームの黎明期である2010年代半ばの、ディープニューラルネットワークの進歩を背景に開発が始まった。2022年には、DALL-E 2Stable DiffusionMidjourneyといった最先端のText-to-Imageモデルの出力結果は、実際の写真や人間が描いたアートの品質に肉薄していると考えられるようになった。

最も効果的なモデルは一般的に、ウェブスクレイピングされた大量の画像とテキストデータで学習されている[1]

Remove ads

参考文献

関連項目

Loading related searches...

Wikiwand - on

Seamless Wikipedia browsing. On steroids.

Remove ads