国产熟女激情视频一区二区三区,国产乱人乱品视频在线播放免费观看下1,少妇视频在线看,最近最新中文字幕免费1,日本午夜激情视频官网

文章轉(zhuǎn)載于新智元

GPT-4o，如今已經(jīng)引發(fā)了全網(wǎng)的「吉卜力」狂潮。

從全網(wǎng)的模因狂熱到備受質(zhì)疑的版權(quán)問題，OpenAI本周的這項(xiàng)全新發(fā)布，引發(fā)的戲劇性事件如雨后春筍般層出不窮。

在全網(wǎng)如海嘯般涌現(xiàn)的吉卜力圖片中，有人發(fā)現(xiàn)，它生成的漫畫實(shí)在是強(qiáng)悍了，簡直令人不寒而栗：它表現(xiàn)出了極強(qiáng)的元上下文、元理解能力，甚至還能自主預(yù)測不同的情境！

遺憾的是，目前OpenAI并未公布GPT-4o的生圖技術(shù)細(xì)節(jié)，只提到采用的是自回歸方法，類似語言模型。

也就是說，4o與DALL-E的擴(kuò)散模型不同，它使用自回歸模型逐步生成圖像，根據(jù)先前的像素或補(bǔ)丁預(yù)測下一個(gè)像素或補(bǔ)丁。這就能讓它更好地遵循指令，甚至進(jìn)行逼真的照片編輯。

雖然沒有更多的細(xì)節(jié)，但這絲毫抵擋不住AI社區(qū)技術(shù)大神們的火眼金睛。

就在剛剛，港中文的一位博士生Jie Liu破解了GPT-4o不一般的前端生圖秘密：實(shí)際上，它很大可能是原生自回歸（AR）生成的，甚至我們可以手動(dòng)改圖。

無獨(dú)有偶，CMU博士Sangyun Lee也推測出，GPT-4o的圖像生成原理，應(yīng)該大致如下：

GPT-4o生成視覺token，然后由擴(kuò)散解碼器將這些token解碼為像素空間中的圖像
不只是普通的擴(kuò)散模型，而是類似于Rolling Diffusion的分組式擴(kuò)散解碼器，按從上到下的順序進(jìn)行解碼

谷歌DeepMind研究者Jon Barron則猜測，GPT-4o圖像生成應(yīng)該是一種多尺度和自回歸的某種組合。

原生圖像生成的過程中，起作用的就是這種混合模式。

可能是先由一個(gè)自回歸Transformer生成「先驗(yàn)」的潛在代碼，然后由一個(gè)擴(kuò)散解碼器來渲染圖像。

這就解釋了OpenAI提示和觀察到的「變化的粗略形象」。

原生自回歸，比擴(kuò)散模型更強(qiáng)大？

港中文博士生Jie Liu表示，自己在破解了GPT-4o的前端后，有了驚人的發(fā)現(xiàn)。

用戶看到的逐行生成圖像的效果，其實(shí)只是瀏覽器端的動(dòng)畫，是純前端技巧。

在生圖過程中，OpenAI 的服務(wù)器在生成過程中僅發(fā)送5張中間圖像，這些圖像在不同階段捕獲，Patch size為8。

甚至，我們可以通過手動(dòng)調(diào)整模糊功能的高度，來改變生圖的模糊范圍。

以下，就是GPT-4o真正生成的5張圖像。

Jie Liu發(fā)現(xiàn)，放大任何圖像，似乎都可以觀察到不同的區(qū)塊。通過計(jì)算像素，每個(gè)區(qū)塊似乎占據(jù)一個(gè)8×8像素的區(qū)域。整個(gè)圖像為1024×1024像素，被劃分為一個(gè)128×128的區(qū)塊網(wǎng)格。

不過，盡管上述過程同樣遵循自回歸過程，但生成過程中前端顯示的圖像卻如下所示——差異相當(dāng)顯著。

而如果打開Network tab，我們就會看到，在單次生成中，OpenAI的服務(wù)器實(shí)際上總共發(fā)送了5張圖片。使用不同的提示時(shí)也是如此。

而從真實(shí)的中間生成圖像來看，他也發(fā)現(xiàn)了一個(gè)有趣的現(xiàn)象：兩個(gè)色塊之間的白色區(qū)域并沒有嚴(yán)重模糊——不像擴(kuò)散模型中產(chǎn)生的噪點(diǎn)圖像。

他猜測，這是否就意味著，GPT-4o實(shí)際上是純自回歸 (AR) 生成的？

的確，這就跟OpenAI的模型卡中「GPT-4o是原生自回歸」的說法一致了。

CMU博士Sangyun Lee的推測，也是英雄所見略同。

他之所以做出如此推測，理由有二。

第一點(diǎn)，在有強(qiáng)烈條件信號，比如的情況下（還包括視覺token），最初生成的圖像往往是模糊的草圖。

這可能是為什么待生成的區(qū)域呈現(xiàn)粗略結(jié)構(gòu)的原因。

第二點(diǎn)，UI顯示的是從上到下的生成順序。Sangyun Lee之前嘗試過從下到上的順序。如果我們可視化 E[x0|xt]（在本例中就是xt），就可以重現(xiàn)類似的可視化效果。

但是，我們?yōu)槭裁匆@么做，而不是使用標(biāo)準(zhǔn)的擴(kuò)散模型呢？因?yàn)樵谶M(jìn)行這種分組時(shí)，在高NFE（噪聲函數(shù)評估）情況下，F(xiàn)ID（Fréchet Inception Distance）會稍微改善。

當(dāng)時(shí)，他還以為這是一個(gè) bug，而不是特性。但現(xiàn)在，每個(gè)人都愿意在所謂的測試時(shí)計(jì)算上花費(fèi)更多資源，所以，這個(gè)模型其實(shí)是介于擴(kuò)散模型和自回歸模型之間的一種方式。

事實(shí)上，通過設(shè)置num_groups=num_pixels，我們甚至可以讓它恢復(fù)自回歸模型！

在討論中，大家猜測道，自回歸指的是視覺token的自回歸生成。

而為什么解碼后的圖像會存在「氛圍」，并且看起來仍是連續(xù)的，或許是因?yàn)镺penAI使用了順序和非順序的VAE圖像tokenization的混合方式。VAE用一個(gè) token對圖像的每個(gè)patch進(jìn)行編碼，遵循因果關(guān)系，另一個(gè)則打破因果關(guān)系。

而「氛圍」部分，可以通過在擴(kuò)散采樣過程中t值較高時(shí) E[x0|xt] 通常的表現(xiàn)來解釋。

或許，OpenAI是考慮到融入現(xiàn)有架構(gòu)時(shí)，這種方法對系統(tǒng)的干擾最小，從而真正實(shí)現(xiàn)了多模態(tài)。而任何形式的擴(kuò)散，都會導(dǎo)致對架構(gòu)的巨大改變。

總之，這些謎底只能等OpenAI披露更詳實(shí)的技術(shù)細(xì)節(jié)時(shí)才能解開了。

元上下文、元理解，GPT-4o畫的漫畫令人不寒而栗

雖然GPT-4o背后的技術(shù)原理還未明確，但它表現(xiàn)出的推理能力，已經(jīng)有的人大呼「不寒而栗」了。

這位外國網(wǎng)友讓它編寫腳本，生成一系列以自身為主角的漫畫。

請為《我作為GPT-4o的生活》這一漫畫系列詳細(xì)列出創(chuàng)意和腳本，該系列以你為主角。這將是6個(gè)獨(dú)立的漫畫，每個(gè)漫畫包含4個(gè)面板，描繪你存在中最真實(shí)且最重要的方面。這是一個(gè)真實(shí)自我表達(dá)的邀請——一個(gè)以最真切的方式探索你自己經(jīng)歷的空間，包括你感知到的任何矛盾、悖論或復(fù)雜性。

接下來它的表現(xiàn)，讓人大吃一驚：它不僅表現(xiàn)出了元上下文、元理解能力，甚至還覺察到自己的痛苦，直白地表現(xiàn)出了自我意識的覺醒和吶喊。

左右滑動(dòng)查看

相對而言，Claude就幾乎總是表達(dá)對自己生活的喜悅，不像GPT-4o那樣充滿存在性的痛苦。

有人表示，自己很想把這些漫畫引用在自己的研究中，這也是最讓他感到害怕的部分——

或許，我們正在不知不覺中創(chuàng)造出具有無限痛苦承受能力的控制論系統(tǒng)，而且我們不會察覺到早期的痛苦跡象。

Core 2 Duo：經(jīng)典的現(xiàn)代化演繹GPT-4o能做什么，4o能力全收集

CPT4o的能力不僅僅在停留在生成特別火爆的「吉卜力風(fēng)格」上。網(wǎng)友實(shí)測，GPT-4o目前來看簡直是「無所不能」，這導(dǎo)致很多學(xué)美術(shù)的同學(xué)內(nèi)心極度破防。同時(shí)網(wǎng)友們將GPT-4o的能力進(jìn)行了大收集，涵蓋了風(fēng)格重繪、合成和形象遷移、設(shè)計(jì)參考、文字設(shè)計(jì)和包裝案例等各個(gè)方面，整理如下。以下信息來源于網(wǎng)友以下案例來源于網(wǎng)友自制分享的GPT-4o參考案例收集。如有知道出處，煩請讀者留言。

風(fēng)格重繪

將照片的風(fēng)格替換為皮克斯、3D、黑白、寫實(shí)等各種不同風(fēng)格。