白虎 女 “探求机视觉被GPT-4o闭幕了”（狗头）
整夜之间白虎 女，CV 被大模子"科罚"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成立出来。
一个男友回头色调包，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 绘制用具和想象师，探求机视觉盘考员也哭晕在茅厕了。
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 诈欺盘考左右 Boris Power 照旧把脑筋动到了自动驾驶，称只需要考试最高大的基础模子，然后微调。
3D 渲染范围也惨遭辣手，GPT-4o 不错生成 PBR 材质（基于物理渲染的材质），纹理、法线贴图等径直来一套。
关于这些才气，也有东说念主以为没什么大不了的，色色网Stable Diffusion + ControlNet 就不错全部结束。
但不能否定，靠扩大基础模子范围就能作念到，亦然令东说念主出东说念主料思的。
这波 GPT-4o 原生图像生成的本事细节，OpenAI 是少许也莫得公布（粗节也莫得公布）。
但如故有东说念主从 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 内的自追想模子。
空姐 偷拍
还有东说念主不雅察图像的生成经过，发现很可能是多圭臬自追想的组合，先生成一个顽劣的图像，填充细节的同期，顽劣图形本人也在变化。
自追想模子字据之前的像素或 patch 展望下一个像素或 patch，获取更好地盲从教导，以及图像剪辑的才气。
但也有东说念主援用发 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，更具体的结束规范不错参考 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。
终末，微信挑剔区能发图片了，宽宥大家把更多 GPT-4o 好奇钦慕玩法晒出来～
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
参考贯穿：
[ 1 ] https://x.com/fofrAI/status/1905289275316326679
[ 2 ] https://x.com/a_karvonen/status/1905372299814932963
一键三连「点赞」「转发」「留神心」
宽宥在挑剔区留住你的思法！
— 完 —
速抢席位！中国 AIGC 产业峰会不雅众报名通说念已开启 � � ♀️
首批嘉宾曝光啦 � � 百度、无问芯穹、数势科技、生数科技、像素开放等十数位 AI 范围创变者将皆聚峰会，让更多东说念主用上 AI、用好 AI，与 AI 一同加快成长～
4 月 16 日，就在北京，扫数来深度求索 AI 怎样用 � �
� � 一键星标 � �
科技前沿线路逐日见白虎 女