Zero-Shot Text-to-Image Generation (2021 论文)

概述

提出 DALL-E 文生图模型的论文，首次展示 AI 可以根据自然语言描述生成前所未有的图像。

关键内容

1. 离散 VAE + Transformer：使用离散 VAE 将图像编码为 token，与文本 token 拼接后训练 Transformer 生成图像。
2. 组合泛化：DALL-E 可以生成训练集中从未出现过的概念组合，如"穿宇航服的骑马"。
3. AI 艺术开创：开启了 AI 生成图像的新领域，后续的 Stable Diffusion 和 DALL-E 2 均受其启发。

来源

• ai_papers_timeline.md — 2021 年时间线条目

相关

• Aditya Ramesh — authored_by
• DALL-E — introduced
• CLIP — relates_to
• Stable Diffusion — compares_to