男同 表情包 “经营机视觉被GPT-4o闭幕了”（狗头）

今夜之间男同 表情包，CV 被大模子"处理"了（狗头）。

万物皆可吉卜力之后，GPT-4o 原生多模态图像生成更多玩法被开荒出来。

一个男友回头相貌包，不错秒变语义分割图。

也不错秒变深度图。

这下不光上一代 AI 绘制用具和假想师，经营机视觉接头员也哭晕在茅厕了。

这是 NASA 前工程师测试特斯拉自动驾驶系统的伪装"隐形墙"，在 GPT-4o 眼前也无所遁形。

这下 OpenAI 欺诈接头掌握 Boris Power 如故把脑筋动到了自动驾驶，称只需要考试最弘远的基础模子，然后微调。

3D 渲染鸿沟也惨遭辣手，GPT-4o 不错生成 PBR 材质（基于物理渲染的材质），纹理、法线贴图等平直来一套。

关于这些能力，也有东谈主合计没什么大不了的，Stable Diffusion + ControlNet 就不错全部驱散。

但不成否定，靠扩大基础模子鸿沟就能作念到，亦然令东谈主出东谈主预思的。

这波 GPT-4o 原生图像生成的时间细节，OpenAI 是极少也莫得公布（粗节也莫得公布）。

但照旧有东谈主从 System Card 中发现了蛛丝马迹。

与 DALL · E 是一个扩散模子不同，GPT-4o 图像生成是原生镶嵌在 ChatGPT 内的自回来模子。

还有东谈主不雅察图像的生成经过，发现很可能是多圭臬自回来的组合，先生成一个狡猾的图像，填充细节的同期，狡猾图形本人也在变化。

自回来模子凭据之前的像素或 patch 展望下一个像素或 patch，取得更好地革职请示，以及图像裁剪的能力。

但也有东谈主援用发 OpenAI 职工 Allan Jabri 晒出的板书图，建议在解码阶段仍然有可能用了扩散模子。

针对这一猜思，更具体的驱漫动作不错参考 Meta 等 24 年 8 月的一篇论文：使用一个多模态模子同期展望展望下一个 token 和扩散图像。

临了，微信评述区能发图片了，接待全球把更多 GPT-4o 意旨玩法晒出来～

GPT-4o Native Image Generation System Card

https://cdn.openai.com/11998be9-5319-4302-bfbf-1167e093f1fb/Native_Image_Generation_System_Card.pdf

Transfusion: Predict the Next Token and Diffuse Images with One Multi-Modal Model

https://arxiv.org/abs/2408.11039v1

参考连络：

[ 1 ] https://x.com/fofrAI/status/1905289275316326679

[ 2 ] https://x.com/a_karvonen/status/1905372299814932963

一键三连「点赞」「转发」「防卫心」

接待在评述区留住你的思法！

—  完  —

速抢席位！中国 AIGC 产业峰会不雅众报名通谈已开启  � � ‍♀️

首批嘉宾曝光啦  � �   百度、无问芯穹、数势科技、生数科技、像素灵通等十数位 AI 鸿沟创变者将王人聚峰会，让更多东谈主用上 AI、用好 AI，与 AI 一同加快成长～

4 月 16 日，就在北京，一齐来深度求索 AI 如何用  � �  

� � 一键星标 � �

科技前沿明白逐日见男同 表情包