«Сбер» создал мультимодальную нейросеть ruDALL-E. Как говорится в известьи банка, она генерирует картинки по описанию на русском языке.
Нейросеть единовременно обучается на двух видах данных - картинках и текстах, и позволяет создавать неограниченное число новых изображений по заданному описанию. Создание изображений с помощью ruDALL-E происходит в три этапа: сначала одна нейросеть принимает текст на вход и генерирует заданное число картинок, затем следующая избирает, какие из них наиболее успешны и максимально соответствуют описанию, а третья увеличивает их в размере без потери качества.
В «Сбере» считают, что продукт можно использовать создания вариантов дизайна жилища, стоковых изображений или векторных иллюстраций, материалов для рекламы, копирайтинга, архитектурного и промышленного дизайна.
Пока модель ruDALL-E XL можно загрузить с сервиса Github. Вскоре все версии сервиса будут доступны на платформе ML Space в хабе предобученных моделей и датасетов DataHub от SberCloud.
«Генерация изображений накрывает две важных потребности современного бизнеса - возможность получить уникальную картинку под собственное описание, а также в любой момент создавать необходимое количество licence-free-иллюстраций, - говорит руководитель блока «Технологии» банка Давид Рафаловский. - При этом создание «мультимодальных» нейронных сетей, которые обучаются сразу на нескольких видах данных, даже сейчас, в дни big data и непомерных возможностей поиска, будет очень востребованным, поскольку решает задачи на принципиально ином уровне. Технология пока совсем новая, первые шаги в этом направлении были сделаны только в 2020 году».