谷歌新AI火了！世界最长单词都能画
Air Explorer Pro是一款跨平台多网盘管理工具，可实现一站式完成不同网盘间文件的互传、搜索和同步等操作。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
朋友，你知道这个英文单词是什么吗？Pneumonoultramicroscopicsilicovolcanoconiosis.这个世界公认最长——由45个字母组成的单词，意思是“因肺部沉积火山矽质微粒所引起的疾病”（俗称火山矽肺病）。但如果说，现在不是让你拼读这个单词，而是……把它给画出来呢？（读都读不出来，还画画？？？）谷歌最新提出来的一个AI——Parti，它就能轻松hold住这事。在把这个单词“投喂”给Parti后，它就能有模有样地生成多张合情合理的肺部疾病图片：但这只是Parti小试牛刀的能力，据
朋友，你知道这个英文单词是什么吗？
Pneumonoultramicroscopicsilicovolcanoconiosis.
这个世界公认最长——由45个字母组成的单词，意思是“因肺部沉积火山矽质微粒所引起的疾病”（俗称火山矽肺病）。
但如果说，现在不是让你拼读这个单词，而是……把它给画出来呢？
（读都读不出来，还画画？？？）
谷歌最新提出来的一个AI——Parti，它就能轻松hold住这事。
在把这个单词“投喂”给Parti后，它就能有模有样地生成多张合情合理的肺部疾病图片：
但这只是Parti小试牛刀的能力，据谷歌介绍，它是目前最先进的“文本转图像”AI。
例如，跟它说句：“把悉尼歌剧院和巴黎铁塔做个结合”，输出结果是这样的：
（不知道的还真以为是画报呢）
而且在算法路数上，还不同于谷歌自家的Imagen，Parti可以说是把“AI作画”卷出了新高度。
就连谷歌AI负责人Jeff Dean也连发数条推文，玩得不亦乐乎：
可扩展到200亿参数：更逼真，更“聪明”
事实上，Parti的能力还不止于此。
得益于模型可扩展到200亿参数，一方面，它生成的图像更加细节逼真。
不管是短短几个字，还是五十多个个单词的小段落，都能清晰展现出来。
比如，The back of a violin，小提琴的背面。
亦或是照着梵高《星空》来描述的夜晚画面。ps，这段有67个单词。
结果Parti也不在话下，一揽子把各种风格的图全给你画出来了~
这也正是Parti的第二大能力，不光细节到位，风格也能做到多变。
还有像“浣熊穿正装，头戴礼帽，拄着拐杖，拿着个垃圾袋”这种奇特的描述，它也能在整出花活的同时还不落细节。
风格上，则有梵高风、埃及法老风、像素风、中国传统绘画风、抽象主义风……
甚至有时候它还会讲双关笑话。
（Toad’ay，癞蛤蟆）
具体在测试结果上，MS-COCO、Localized Narrative（LN，4倍长的描述）上FID分数，Parti都取得了最先进的结果。
尤其在MS-COCO零样本的FID得分仅为7.23，微调FID得分为3.22，超过了此前的Imagen和DALL-E 2。
所有组件都是Transformer
时隔一个月，谷歌再把AI作画卷出新高度，结果作者却说：秘诀很简单。
Parti主要是将文本生成图像视作序列到序列之间建模。这有点类似于机器翻译，将文本标记作为编码器的输入，目标输出从文本变成了图像。
从结构上看，它的所有组件只有三部分：编码器、解码器以及图像标记器，且都是基于标准Transformer。
首先，使用基于Transformer的图像标记器ViT-VQGAN，将图像编码为离散的标记序列。
然后再通过Transformer的编码-解码结构，将参数扩展到200亿。
以往关于文本生成图像的研究，除了最早出现的GAN，大体可以分成两种思路。
一种是基于自回归模型，首先文本特征映射到图像特征，再使用类似于Transformer的序列架构，来学习语言输入和图像输出之间的关系。
这种方法的一个关键组成部分就是图像标记器，将每个图像转换为一个离散单元的序列。比如DALL-E和CogView，就采用了这一思路。
另一种则是这段时间以来进展频频的路线——基于扩散的文本到图像模型，比如DALL-E 2和Imagen。
他们摒弃了图像标记器，而是采用扩散模型来直接生成图像。可以看到的是，这些模型产生的图像质量更高，在MS-COCO零样本FID得分更好。
而Parti模型的成功，则证明了自回归模型可以用来改善文本生成图像的效果。
与此同时，Parti还引入并发布了新的基准测试——PartiPrompts，用于衡量模型在12个类别和11个挑战方面的能力。
但Parti还是有一定的局限性，研究人员也展示了一些bug：
比如，对否定的描述就没招了~
一个没有香蕉的盘子，旁边一个没有橙汁儿的玻璃杯。
还会犯一些常识性错误，例如不合理地缩放。比如这张图，机器人竟然比赛车高出好几倍。
一个穿着赛车服和黑色遮阳板的闪亮机器人自豪地站在一辆F1赛车前。太阳落在城市景观上。漫画书插图。
谷歌“自己卷自己”
在这项研究来自Google Research，团队中的华人居多。
研究核心工作人员包括Yuanzhong Xu、Thang Luong等，目前均就职于谷歌从事AI相关研究工作。
（Thang Luong在谷歌学术上的引用量高达20000+）
△左：Yuanzhong Xu；右：Thang Luong
不过有意思的是，同为“说句话让AI作画”，同为出自谷歌之手的Imagen，它跟Parti还真有点千丝万缕的关系。
在Parti的GitHub的项目文档中就有提到：
感谢Imagen团队，他们在发布Imagen之前与我们分享了其最近完整的结果。
他们在CF-guidance方面的重要发现，对最终的Parti模型特别有帮助。
而且Imagen的作者之一Burcu Karagol Ayan，也参与到了Parti的项目中。
（有种谷歌“自己卷自己”那味了）
不仅如此，就连“隔壁”DALL-E 2的作者Aditya Ramesh，也给Parti在MS-COCO评价方面做了讨论工作。
以及DALL-Eval的作者们，也在Parti数据方面的工作提供了帮助。
One More Thing
有一说一，就“文本生成图像”这事，可不只是研究人员们的宠儿。
网友们在“玩”它这条路上，也是乐此不疲（脑洞不要太大好吧）。
前一阵子让Imagen画一幅宋朝“虎戴VR”，直接演变成AI作画大战。
△图：Imagen作画
DALL·E、MidJourney等“闻讯赶来”参与其中。
△ DALL·E作画
甚至还有把Wordle和 DALL-E 2搞到一起的：
……
不过回归到这次的Parti，好玩归好玩，但还是有网友提出了“直击灵魂”的问题：
啥时候商业化？要是自己“关门玩”就没意思了。
Parti论文地址：
https://parti.research.google/
GitHub项目地址：
https://github.com/google-research/parti
参考链接：
[1]https://twitter.com/lmthang/status/1539664610596225024[2]https://gizmodo.com/new-browser-game-combines-dall-e-mini-and-wordle-1849105289[3]https://imagen.research.google/
WPS Office是一款面向macOS用户的综合办公套件，将文字处理、电子表格、演示文稿、PDF工具、模板与云协作整合在同一应用中。它兼容常见Microsoft Office格式，支持Intel及Apple芯片Mac，基础功能可免费使用，
Shapr3D是一款面向工业设计、机械工程、建筑概念和三维打印工作流的CAD软件。Mac版采用Parasolid建模内核，支持草图约束、实体建模、工程图、可视化渲染及常见CAD格式交换，并可通过账户在多台设备之间同步项目。
REAPER是Cockos开发的数字音频工作站，提供多轨音频与MIDI录制、剪辑、处理、混音和母带制作工具。Mac版兼容Intel与Apple芯片，支持AU、VST、VST3、CLAP等插件格式，并提供高度可定制的工作流程。
Ableton Live 是面向音乐制作人与现场表演者的数字音频工作站，提供编曲视图、独具特色的现场视图、音频录制、MIDI创作、实时变速、乐器及效果器。Mac版原生支持Apple芯片，并可连接音频接口、MIDI控制器和第三方插件。
Adobe After Effects 是面向动态图形、影视特效与视频合成的专业创作软件。它提供关键帧动画、遮罩抠像、运动跟踪、三维空间、文字动画和表达式等工具，并可与 Premiere Pro、Photoshop、Illustrator
Adobe Audition 是面向播客、影视后期、音乐制作及内容创作者的专业音频工作站，提供波形精修、多轨录制与混音、频谱编辑、降噪修复、响度匹配和效果处理工具，并可与 Adobe Premiere 协同完成视频声音制作。
Adobe Bridge 是面向摄影师、设计师及内容团队的免费数字资产管理工具，可集中预览照片、视频和 Adobe 项目文件，并利用评级、标签、关键词、元数据、筛选与收藏集完成分类检索。它还支持批量重命名、格式导出、相机导入及 Camera
Adobe Illustrator 是 Adobe 推出的专业矢量图形设计软件，适合在 Mac 上制作标志、图标、插画、包装、信息图及印刷版面。它以路径和锚点构建可无损缩放的图形，并提供钢笔、形状、文字、图像描摹、渐变、画板及生成式功能。
Adobe InDesign 是面向印刷品与数字出版物的专业版面设计软件，可在 Mac 上制作书籍、杂志、宣传册、海报、报告及交互式文档。它提供精细的文字样式、网格、母版、长文档管理和印前输出能力。
Adobe Lightroom Classic 是面向桌面摄影工作流的照片管理与后期处理软件，可将原始照片保存在本地硬盘，通过目录、关键词、评分和收藏夹高效整理图库，并提供 RAW 冲印、蒙版、镜头校正、批量同步及多格式导出等功能。
Adobe Media Encoder 是 Adobe 推出的专业音视频编码与转码工具，可通过队列、预设和监视文件夹批量完成格式转换、代理文件创建及多平台成片输出，并与 Premiere Pro、After Effects 等软件紧密协作。
Adobe Photoshop 是面向摄影师、设计师和内容创作者的专业图像处理软件，提供图层、蒙版、选区、修复、调色、文字排版、智能对象及生成式编辑等能力。Mac 版支持 Intel 与 Apple Silicon 处理器。
Adobe Photoshop 是面向摄影师、设计师和内容创作者的专业图像处理工具，可在 Windows 上完成照片修饰、选区抠图、图层合成、文字排版、绘画及生成式编辑。软件采用订阅授权，由 Creative Cloud 管理安装、更新与许
Adobe InDesign 是面向印刷与数字出版的专业页面排版工具，可制作书籍、杂志、宣传册、海报、交互式 PDF 和电子书。它提供精细的文字样式、多页面管理、印前检查及多格式输出能力，并能与 Photoshop、Illustrator
Adobe Illustrator 是用于绘制矢量图形、插画、图标、徽标和版式的专业设计工具。它以路径和锚点为核心，作品放大后仍能保持清晰，并提供画板、文字、渐变、图像描摹及精确变换等功能，适合品牌视觉、印刷物料、数字界面和商业插画创作。
Adobe Bridge 是 Adobe 推出的创意资产管理工具，可集中预览、分类和查找照片、视频、PDF及多种设计文件，并支持元数据、关键词、评级、批量重命名和格式导出。它可与 Photoshop、Illustrator 等应用衔接，
Affinity Photo 是一款面向摄影师、修图师和视觉设计人员的桌面图像编辑工具，提供 RAW 显影、多图层合成、蒙版、实时滤镜、批处理和色彩管理等功能。原独立产品已停止销售，其照片编辑能力已延续至免费的新 Affinity 应用；
Adobe Lightroom Classic 是面向 Windows 桌面摄影工作流的照片管理与无损编辑工具，可通过目录集中整理大型图库，并完成 RAW 显影、局部蒙版、批量调整、打印和多格式导出。它强调本地文件管理与精细控制，
Figma 是面向产品设计与开发团队的云端协作平台，可在 Windows 桌面客户端中完成界面绘制、组件管理、交互原型、评论评审和开发交付。文件保存在云端，多名成员能够同步编辑并共享设计系统；官方同时提供免费 Starter 方案及按席位计
Affinity Designer 是面向矢量图形、数字插画和界面设计的专业创作工具，可在矢量、像素与导出工作区之间快速切换。它提供曲线编辑、形状构建、画板、排版、图层和专业色彩管理，并支持常见设计文件的导入及多种印刷、网页格式输出。
Capture One Pro 是面向摄影师和影像团队的专业桌面照片处理工具，提供相机定制色彩配置、RAW转换、图层与蒙版、联机拍摄、目录及会话管理等功能。它适合棚拍、人像、商业产品、婚礼和风光摄影，
Adobe Acrobat Pro 是面向专业 PDF 工作的综合解决方案，可在 Windows 中创建、编辑、转换、比较、整理和保护文档，并支持表单、电子签名、扫描件文字识别及敏感信息永久遮盖。订阅还包含网页、移动服务和云端协作能力，
Adobe After Effects 是面向动态图形、动画与影视视觉特效制作的专业工具，可完成关键帧动画、图层合成、遮罩跟踪、抠像、文字动画和二维三维元素整合。Windows 版通过 Adobe Creative Cloud 安装及更新，
DaVinci Resolve是Blackmagic Design推出的一体化影视后期工具，将素材管理、非线性剪辑、专业调色、Fusion视觉特效、Fairlight音频处理和成片交付整合在统一工程中。免费版已覆盖多数个人创作需求，