朋友，你知道這個英文單字是什麼嗎？
Pneumonoultramicroscopicsilicovolcanoconiosis.
這個世界公認最長－由45個字母組成的單詞，意思是「因肺部沉積火山矽質微粒所引起的疾病」（俗稱火山矽肺病）。
但如果說，現在不是讓你拼讀這個單字，而是…把它給畫出來呢？
（讀都讀不出來，還畫畫？？？）
Google最新提出來的一個AI－Parti，它就能輕鬆hold住這事。
在把這個字「投餵」給Parti後，它就能有模有樣地生成多張合情合理的肺部疾病圖片：
但這只是Parti小試牛刀的能力，根據Google介紹，它是目前最先進的「文字轉圖像」AI。
例如，跟它說句：“把悉尼歌劇院和巴黎鐵塔做個結合”，輸出結果是這樣的：
（不知道的還真以為是畫報呢）
而且在演算法路數上，還不同於Google自家的Imagen，Parti可以說是把「AI作畫」捲出了新高度。
就連GoogleAI負責人Jeff Dean也連發數條推文，玩得不亦樂乎：
#事實上，Parti的能力還不止於此。
得益於模型可擴展到200億參數，一方面，它產生的影像更加細節逼真。
不管是短短幾個字，還是五十多個單字的小段落，都能清晰展現出來。
例如，The back of a violin，小提琴的背面。
也或是照著梵谷《星空》來描述的夜晚畫面。 ps，這段有67個單字。
結果Parti也不在話下，一攬子把各種風格的圖全畫給你了~
Parti主要是將文字產生圖像視為序列到序列之間建模。這有點類似於機器翻譯，將文字標記作為編碼器的輸入，目標輸出從文字變成了圖像。
從結構上看，它的所有元件只有三個部分：編碼器、解碼器以及圖像標記器，而且都是基於標準Transformer。
首先，使用基於Transformer的影像標記器ViT-VQGAN，將影像編碼為離散的標記序列。
接著再透過Transformer的編碼-解碼結構，將參數擴展到200億。
以往關於文本生成圖像的研究，除了最早出現的GAN，大體可以分成兩種思路。
一種是基於自迴歸模型，先文字特徵對應到影像特徵，再使用類似Transformer的序列架構，來學習語言輸入與影像輸出之間的關係。
這種方法的關鍵組成部分是影像標記器，將每個影像轉換為離散單元的序列。例如DALL-E和CogView，就採用了這一思路。
另一種則是這段時間以來進展頻頻的路線－基於擴散的文字到影像模型，例如DALL-E 2和Imagen。
他們摒棄了影像標記器，而是採用擴散模型來直接產生影像。可以看到的是，這些模型產生的影像品質較高，在MS-COCO零樣本FID得分較好。
而Parti模型的成功，證明了自迴歸模型可以用來改善文字產生圖像的效果。
同時，Parti也引進並發布了新的基準測試－PartiPrompts，用於衡量模型在12個類別和11個挑戰方面的能力。
但Parti還是有一定的局限性，研究人員也展示了一些bug：
比如，對否定的描述就沒招了~
一個沒有香蕉的盤子，旁邊一個沒有柳橙汁兒的玻璃杯。
也會犯一些常識性錯誤，例如不合理地縮放。例如這張圖，機器人竟然比賽車高出好幾倍。
一個穿著賽車服和黑色遮陽板的閃亮機器人自豪地站在一輛F1賽車前。太陽落在城市景觀上。漫畫書插圖。
在這項研究來自Google Research，團隊中的華人居多。
研究核心工作人員包括Yuanzhong Xu、Thang Luong等，目前均就職於Google從事AI相關研究工作。
（Thang Luong在Google學術上的引用量高達20000 ）
△左：Yuanzhong Xu；右：Thang Luong
#不過有趣的是，同為“說句話讓AI作畫”，同為出自谷歌之手的Imagen，它跟Parti還真有點千絲萬縷的關係。
在Parti的GitHub的專案文件中就有提到：
#感謝Imagen團隊，他們在發布Imagen之前與我們分享了其最近完整的結果。
他們在CF-guidance方面的重要發現，對最終的Parti模型特別有幫助。
而且Imagen的作者之一Burcu Karagol Ayan，也參與了Parti的計畫中。
（有種谷歌「自己捲自己」那味了）
#不只如此，就連「隔壁」DALL-E 2的作者Aditya Ramesh，也給Parti在MS-COCO評價方面做了討論工作。
以及DALL-Eval的作者們，也在Parti資料方面的工作提供了幫助。
有說一，就「文字產生圖像」這事，可不只是研究人員們的寵兒。
網友們在「玩」它這條路上，也是樂此不疲（腦洞不要太大好吧）。
前一陣子讓Imagen畫一幅宋朝“虎戴VR”，直接演變成AI作畫大戰。
△圖：Imagen作畫
DALL·E、MidJourney等「聞訊趕來」參與其中。
△ DALL·E作畫
#甚至還有把Wordle和DALL-E 2搞到一起的：
#…
不過回歸到這次的Parti，好玩歸好玩，但還是有網友提出了「直擊靈魂」的問題：
啥時候商業化？要是自己「關門玩」就沒意思了。
Parti論文網址：
https://parti.research.google/
GitHub專案網址：
https://github.com/google-research/parti
#參考連結：
##[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/以上是谷歌新AI火了！世界最長單字都能畫的詳細內容。更多資訊請關注PHP中文網其他相關文章！
