Первую нейросеть ruDALL-E, которая создает картинки по текстовому описанию, разработали в Сбере

В Сбере создали первую в мире нейронную сеть ruDALL-E, которая может сгенерировать картинку, основываясь на введенном текстовом описании на русском языке. С помощью сети можно создавать варианты оформления помещений, стоковые изображения, материалы для рекламы, копирайтинга, архитектурного и промышленного дизайна.

Как сообщает сайт Сбера, попробовать систему уже можно на этом ресурсе.

Нейросеть проходит обучение на основе двух видов данных — картинках и текстах. По словесному описанию можно создавать неограниченное количество изображений.

В настоящее время разработаны два варианта модели:

•  ruDALL-E XL, содержащая 1,3 миллиарда параметров;
•  ruDALL-E 12B с 12 миллиардами параметров.

Первую можно использовать бесплатно, если загрузить ее с сервиса Github. Обе модели планируют сделать доступными на платформе ML Space в хабе предобученных моделей и датасетов DataHub от SberCloud.

Изображения с помощью ruDALL-E генерируются в три этапа: сначала одна нейросеть принимает текст и, следуя ему, создает картинки, затем следующая отбирает из них наиболее удачные, а третья увеличивает их в размере без потери качества. Так можно получить множество новых изображений, соответствующих указанным данным.

Архитектура модели DALL-E для английского языка впервые представили OpenAI в 2021 году, однако модель не выложили в открытый доступ. На основе публикации OpenAI команды SberDevices и Sber AI при содействии SberCloud запустили обучение нейросети на платформе ML Space и получили похожий результат для русского языка. В итоге вышла самая большая модель такого рода в мире, которая работает с русским языком.

Создание изображений нейросетью отвечает двум потребностям бизнеса: она позволяет получить уникальную картинку, а также сгенерировать любое число не требующих авторства иллюстраций. Созданная нейросеть является значимым достижением для русскоязычной индустрии в области искусственного интеллекта.