النص إلى صورة
تحويل جملة إلى صورة
يُعرض النص الكامل باللغة الإنجليزية؛ وقد تمت ترجمة العنوان والملخص.
ما الذي تعنيه هذه القدرة
Maps a natural-language description directly to an image: text in, pixels out, with no annotation or reference image in between. Unlike image-to-image it has no input image at all, and unlike image editing it does not modify an existing picture but synthesises a new one from scratch.
كيف تُنفَّذ تقنيًا
The dominant route is latent diffusion: the prompt is encoded into a conditioning vector, injected into a denoising network through cross-attention, denoised step by step in a compressed latent space, and decoded to pixels. Conditioning was later extended by classifier-free guidance, which amplifies prompt adherence by contrasting the conditioned and unconditioned directions. Training uses vast image–text pairs, and DALL·E 3 coupled prompt rewriting with generation in one pipeline, markedly improving adherence to long prompts.
منتجات تمثيلية
7DALL·E 3
2023يعيد صياغة الطلب الطويل إلى وصف مفصّل ثم يرسم الصورة
Midjourney
2022خدمة نص إلى صورة تشتهر بذوقها الجمالي
Stable Diffusion
2022أطلق أوزان النص إلى صورة مفتوحة وبحجم يعمل على كروت الرسوميات الاستهلاكية
FLUX
2024يولّد صورًا عالية الدقة بمحوّل تدفّق مُقوَّم
Imagen
2022يولّد صورًا واقعية عبر الانتشار المتتالي ومُرمِّز نصي كبير
Seedream
2024نموذج نص إلى صورة بدقة عالية أصلية وقدرة جيدة على رسم النصوص
Firefly
2023أداة لتوليد الصور وتحريرها موجّهة للمبدعين
المؤسسات ذات الصلة
الاستخدامات الشائعة
- Concept design and storyboards
- Marketing assets and illustration
- Pre-visualisation for games and film
- Personalised avatars and wallpapers
كيف يُقاس مدى جودتها
- FID
- Distance to the real image distribution; lower is better
- CLIP score
- Semantic agreement between image and prompt
- Human-preference Elo
- Preference ranking from pairwise comparison
الحدود والصعوبات
- Counting, precise spatial relations and ordering remain unreliable
- Letters inside the image are frequently garbled, especially in long strings
- Hands, limbs and object-contact points break down, often needing several resamples
المفاهيم الكامنة وراءها
نماذج الانتشار
تعلّم ألف خطوة صغيرة لإزالة الضوضاء، فتستطيع بناء صورة من ضوضاء صافية
الانتشار في الفضاء الكامن والتحكم الشرطي
أجرِ الانتشار لا على البكسلات بل داخل فضاء دلالي مضغوط
نظرة عامة على النماذج التوليدية
تجيب النماذج التمييزية عن «ما هذا»، بينما تجيب النماذج التوليدية عن «كيف ينبغي أن يبدو»