AIGC動態(tài)歡迎閱讀

原標(biāo)題：Sora 團隊負(fù)責(zé)人 Aditya Ramesh 對話謝賽寧丨壓縮一切！視覺與語言模態(tài)的融合?
關(guān)鍵字：模型,圖像,文本,語言,政策
文章來源：大數(shù)據(jù)文摘
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

大數(shù)據(jù)文摘受權(quán)轉(zhuǎn)載自智源社區(qū)
2024 年 6 月 14 日，一年一度的智源大會又迎來重磅嘉賓。
當(dāng)紅視頻生成大模型「Sora」團隊的負(fù)責(zé)人Aditya Ramesh在2024智源大會開幕式上發(fā)表了題為「Language as the Scaffolding for Visual Intelligence」的主旨演講。他介紹了生成式建模領(lǐng)域近年來的發(fā)展歷程以及未來的前進方向，分享了 OpenAI 從研發(fā) DALL·E、iGPT、CLIP 到 Sora 的一次次研究指導(dǎo)思想的轉(zhuǎn)變，講述其團隊為何一步步將生成式模型做向極致。站在人工智能 3.0 的拐點，Aditya Ramesh 的寶貴經(jīng)驗具有巨大的啟發(fā)意義。
下面是智源社區(qū)對 Aditya Ramesh 演講主要內(nèi)容的編譯：
大模型初探：DALL·E——擴展模型規(guī)模的啟示
2021 年 2 月，我們發(fā)布了著名的「文生圖」人工智能系統(tǒng) DALL·E，它是一個同時使用文本和量化壓縮后的圖像以自回歸方式訓(xùn)練的 Transformer 模型。該系統(tǒng)可以將文字描述映射為量化的創(chuàng)作各種風(fēng)格的逼真圖像。之所以決定開展該項目，是因為我們看到使用 Tra

原文鏈接：Sora 團隊負(fù)責(zé)人 Aditya Ramesh 對話謝賽寧丨壓縮一切！視覺與語言模態(tài)的融合?

聯(lián)系作者

文章來源：大數(shù)據(jù)文摘
作者微信：BigDataDigest
作者簡介：普及數(shù)據(jù)思維，傳播數(shù)據(jù)文化