DALL·E 2可以从文本描述中创建原始、逼真的图像和艺术。它可以组合概念、属性和样式.（Futurepedia团队已经使用了这个工具并推荐它。）
链接:https://openai.com/dall-e-2/
简介
2022 年 4 月初，Open AI 的开创性模型DALL·E 2，为图像生成和处理领域树立了新的标杆。只需输入简短的文字 prompt，DALL·E 2 就可以生成全新的图像，这些图像以语义上十分合理的方式将不同且不相关的对象组合起来。
DALL·E 2甚至可以修改现有图像，创建处保有其显著特征的图像变体，并在两个输入图像之间进行插值。
注册
- 点击Try DALL·E进入注册界面。
- 用Email、Google、Microsoft注册均可。
亮点
1.首先，DALL-E 2 展示了深度学习中扩散模型（Diffusion Model）的强大功能，因为 DALL-E 2 中的先验和图像生成子模型都是基于扩散的。虽然在过去几年才开始流行，但扩散模型已经证明了自身价值，一些关注深度学习研究的人也期望在未来看到更多进展。
2.其次，展示了使用自然语言作为训练深度学习 SOTA 模型的手段的必要性和力量。这一点并非源于 DALL-E 2，但重要的是认识到， DALL-E 2 的力量是源于可在互联网上获得大规模匹配的自然语言 / 图像数据。使用这些数据消除了手动标注数据集的高成本和相关瓶颈，但这类数据嘈杂、未经处理的性质也反映了深度学习模型必须具备面对真实数据的鲁棒性。
3.最DALL-E 2 重申了 Transformer 的地位，鉴于它们具有令人印象深刻的并行性.因此对于在网络规模数据集上训练的模型来说是至高无上的.
想法
如此的有趣和神奇，难免不会让我们思考起它是如何工作的。
在最高级别，DALL-E 2 的工作非常简单：
- 首先，将文本 prompt 输入到经过训练以将 prompt 映射到表征空间的文本编码器中；
- 接下来，称为先验的模型将文本编码映射到相应的图像编码，该图像编码捕获文本编码中包含的 prompt 的语义信息；
- 3. 最后，图像解码模型随机生成图像，该图像是该语义信息的视觉表现。
从鸟瞰的角度来看，这就是它的全部了。
总结
这是一款有趣且值得我们深思的工具，相信您在使用它的过程中，会慢慢发现它的诸多用处以及奥秘的！