{"id":1045,"date":"2025-04-09T12:52:23","date_gmt":"2025-04-09T10:52:23","guid":{"rendered":"https:\/\/octodeep.com\/blog\/?p=1045"},"modified":"2025-06-10T10:41:05","modified_gmt":"2025-06-10T08:41:05","slug":"dall-e-obrazkovy-generator-od-open-ai","status":"publish","type":"post","link":"https:\/\/octodeep.com\/blog\/dall-e-obrazkovy-generator-od-open-ai\/","title":{"rendered":"DALL-E: obr\u00e1zkov\u00fd gener\u00e1tor od Open AI"},"content":{"rendered":"\n

Stejn\u011b jako GPT\u20113 je DALL-E modelem transforma\u010dn\u00edho jazyka od Open AI. P\u0159ij\u00edm\u00e1 text<\/a> i obr\u00e1zek<\/a> jako jedin\u00fd proud dat obsahuj\u00edc\u00ed a\u017e 1280 token\u016f a je tr\u00e9nov\u00e1n s maxim\u00e1ln\u00ed pravd\u011bpodobnost\u00ed vygenerov\u00e1n\u00ed v\u0161ech token\u016f jeden po druh\u00e9m. <\/p>\n\n\n\n

DALL-E um\u00ed nejen vytv\u00e1\u0159et nov\u00e9 obr\u00e1zky, ale tak\u00e9 „domalovat“ \u010d\u00e1st existuj\u00edc\u00edho obr\u00e1zku <\/strong>tak, aby to vypadalo p\u0159irozen\u011b a odpov\u00eddalo tomu, co chcete pomoc\u00ed textu<\/a> vytvo\u0159it. Je to podobn\u00e9, jako kdybyste z fotografie vyst\u0159ihli prav\u00fd doln\u00ed roh a nechali AI, aby ho doplnila podle va\u0161ich instrukc\u00ed. DALL-E 2 i 3 si m\u016f\u017eete otestovat v na\u0161\u00ed aplikaci OCTODEEP<\/a>.<\/p>\n\n\n\n

\"\"<\/a><\/figure>\n\n\n\n

Model DALL-E m\u00e1 dovednost vytv\u00e1\u0159et obr\u00e1zky na z\u00e1klad\u011b textov\u00fdch popis\u016f. Je schopen pracovat s jazykem a jeho strukturou, co\u017e znamen\u00e1, \u017ee dok\u00e1\u017ee pochopit slo\u017eit\u00e9 v\u011bty a vytvo\u0159it obr\u00e1zky, kter\u00e9 odpov\u00eddaj\u00ed jejich v\u00fdznamu. Obr\u00e1zky, kter\u00e9 jsou prezentov\u00e1ny jako uk\u00e1zky, jsou vyb\u00edr\u00e1ny automaticky \u2013 syst\u00e9m CLIP<\/strong> hodnot\u00ed kvalitu obr\u00e1zk\u016f a vybere ty nejlep\u0161\u00ed. Ru\u010dn\u00ed z\u00e1sahy do v\u00fdb\u011bru jsou minim\u00e1ln\u00ed, co\u017e ukazuje na objektivitu a schopnost modelu generovat kvalitn\u00ed v\u00fdsledky bez nutnosti manu\u00e1ln\u00ed \u00fapravy.<\/p>\n\n\n\n

DALL-E je model um\u011bl\u00e9 inteligence<\/a>, kter\u00fd funguje na principu tzv. transform\u00e1toru, co\u017e je typ neuronov\u00e9 s\u00edt\u011b<\/a> pou\u017e\u00edvan\u00fd pro zpracov\u00e1n\u00ed sekvenc\u00ed dat, jako je text nebo obraz. Tento konkr\u00e9tn\u00ed model kombinuje text a obraz do jednoho proudu dat, kter\u00fd obsahuje celkem 1280 \u010d\u00e1st\u00ed (tzv. token\u016f) \u2013 256 token\u016f je vyhrazeno pro text a 1024 pro obraz. Model zpracov\u00e1v\u00e1 tyto tokeny postupn\u011b (autoregresn\u011b), co\u017e znamen\u00e1, \u017ee ka\u017ed\u00fd krok z\u00e1vis\u00ed na p\u0159edchoz\u00edch.<\/p>\n\n\n\n

DALL-E vyu\u017e\u00edv\u00e1 r\u016fzn\u00e9 typy<\/a> „maskov\u00e1n\u00ed pozornosti“ (attention masking<\/strong>), co\u017e je technika, kter\u00e1 ur\u010duje, jak\u00e9 \u010d\u00e1sti dat si model p\u0159i u\u010den\u00ed v\u0161\u00edm\u00e1. Nap\u0159\u00edklad obrazov\u00e9 tokeny mohou „v\u011bnovat pozornost“ textov\u00fdm token\u016fm, aby l\u00e9pe pochopily, jak text souvis\u00ed s obrazem. Pro textov\u00e9 tokeny se pou\u017e\u00edv\u00e1 standardn\u00ed kauz\u00e1ln\u00ed maska, kter\u00e1 zaji\u0161\u0165uje, \u017ee model zpracov\u00e1v\u00e1 text ve spr\u00e1vn\u00e9m po\u0159ad\u00ed. <\/p>\n\n\n\n

Synt\u00e9za textu na obraz<\/h2>\n\n\n\n

Tvorba obraz\u016f na z\u00e1klad\u011b textov\u00e9ho popisu je oblast\u00ed v\u00fdzkumu, kter\u00e1 se rychle rozv\u00edj\u00ed. Prvn\u00ed pr\u016flom v t\u00e9to oblasti p\u0159inesla pr\u00e1ce Reeda a jeho koleg\u016f, kte\u0159\u00ed pou\u017eili GAN (Generative Adversarial Network \u2013 generativn\u00ed protivn\u00ed s\u00ed\u0165) podm\u00edn\u011bn\u00fd textov\u00fdm popisem. GAN je typ AI modelu<\/a>, kter\u00fd se skl\u00e1d\u00e1 ze dvou \u010d\u00e1st\u00ed \u2013 gener\u00e1toru (vytv\u00e1\u0159\u00ed obsah) a diskrimin\u00e1toru (hodnot\u00ed kvalitu vytvo\u0159en\u00e9ho obsahu). Textov\u00e9 popisy byly p\u0159evedeny na \u010d\u00edseln\u00e9 reprezentace (tzv. vektory) pomoc\u00ed speci\u00e1ln\u00edho kod\u00e9ru, kter\u00fd byl natr\u00e9nov\u00e1n na rozpozn\u00e1v\u00e1n\u00ed rozd\u00edl\u016f mezi texty.<\/p>\n\n\n\n

Dal\u0161\u00ed pokroky p\u0159inesly modely<\/a> jako StackGAN a StackGAN++, kter\u00e9 pracuj\u00ed s v\u00edce \u00farovn\u011bmi rozli\u0161en\u00ed obrazu, aby zlep\u0161ily jeho kvalitu. Model AttnGAN p\u0159idal mechanismus pozornosti (attention), kter\u00fd umo\u017e\u0148uje modelu l\u00e9pe propojit textov\u00e9 a obrazov\u00e9 prvky. Tento p\u0159\u00edstup zahrnuje i techniku kontrastn\u00ed ztr\u00e1ty, kter\u00e1 pom\u00e1h\u00e1 modelu l\u00e9pe pochopit rozd\u00edly a podobnosti mezi r\u016fzn\u00fdmi objekty, t\u0159eba mezi obli\u010deji.<\/p>\n\n\n\n

Kl\u00ed\u010dov\u00e9 vlastnosti DALL-E<\/h2>\n\n\n\n
    \n
  1. Generov\u00e1n\u00ed obr\u00e1zk\u016f<\/a> z textov\u00fdch popis\u016f<\/strong>
    <\/strong>DALL-E dok\u00e1\u017ee p\u0159ev\u00e9st textov\u00e9 zad\u00e1n\u00ed na vizu\u00e1ln\u00ed obsah. U\u017eivatel m\u016f\u017ee zadat jednoduch\u00fd nebo slo\u017eit\u00fd popis, nap\u0159\u00edklad \u201edvouhlav\u00fd papou\u0161ek\u201c nebo \u201esklen\u011bn\u00fd tygr na modr\u00e9 louce\u201c, a     n\u00e1stroj<\/a> vytvo\u0159\u00ed odpov\u00eddaj\u00edc\u00ed obr\u00e1zek.<\/li>\n\n\n\n
  2. Porozum\u011bn\u00ed slo\u017eit\u00fdm prompt\u016fm<\/strong>
    <\/strong>DALL-E 3 exceluje v pochopen\u00ed a proveden\u00ed i velmi detailn\u00edch a slo\u017eit\u00fdch textov\u00fdch zad\u00e1n\u00ed. To zaji\u0161\u0165uje, \u017ee generovan\u00e9 obr\u00e1zky p\u0159esn\u011b odpov\u00eddaj\u00ed po\u017eadavk\u016fm u\u017eivatele.<\/li>\n\n\n\n
  3. Vysok\u00e1 kvalita a estetika obr\u00e1zk\u016f<\/strong>
    <\/strong>Obr\u00e1zky generovan\u00e9 DALL-E jsou vizu\u00e1ln\u011b atraktivn\u00ed, detailn\u00ed a um\u011blecky p\u016fsobiv\u00e9. N\u00e1stroj je navr\u017een tak, aby p\u0159ekonal p\u0159edchoz\u00ed verze i konkurenci v oblasti kvality a koherence.<\/li>\n\n\n\n
  4. Kreativn\u00ed kontrola a flexibilita<\/strong>
    <\/strong>U\u017eivatel\u00e9 mohou obr\u00e1zky snadno doladit, upravit nebo roz\u0161\u00ed\u0159it. DALL-E umo\u017e\u0148uje nahr\u00e1t vlastn\u00ed obr\u00e1zky a prov\u00e1d\u011bt na nich \u00fapravy, nap\u0159\u00edklad p\u0159id\u00e1vat nov\u00e9 prvky nebo m\u011bnit \u010d\u00e1sti obr\u00e1zku.<\/li>\n\n\n\n
  5. Variace a kombinace koncept\u016f<\/strong>
    <\/strong>N\u00e1stroj dok\u00e1\u017ee kombinovat r\u016fzn\u00e9 koncepty do jednoho obr\u00e1zku a generovat v\u00edce variant na z\u00e1klad\u011b jednoho zad\u00e1n\u00ed. To umo\u017e\u0148uje u\u017eivatel\u016fm prozkoumat r\u016fzn\u00e9 vizu\u00e1ln\u00ed interpretace jejich n\u00e1pad\u016f.<\/li>\n\n\n\n
  6. Inpainting a roz\u0161i\u0159ov\u00e1n\u00ed obr\u00e1zk\u016f<\/strong>
    <\/strong>DALL-E umo\u017e\u0148uje upravovat existuj\u00edc\u00ed obr\u00e1zky, nap\u0159\u00edklad odstra\u0148ovat ne\u017e\u00e1douc\u00ed objekty nebo roz\u0161i\u0159ovat obr\u00e1zky za jejich p\u016fvodn\u00ed hranice. Tato funkce je u\u017eite\u010dn\u00e1 pro vytv\u00e1\u0159en\u00ed nov\u00fdch kompozic nebo \u00fapravu detail\u016f.<\/li>\n\n\n\n
  7. Podpora r\u016fzn\u00fdch styl\u016f a imitace<\/strong>
    N\u00e1stroj dok\u00e1\u017ee napodobovat r\u016fzn\u00e9 um\u011bleck\u00e9 styly, od klasick\u00fdch po modern\u00ed, co\u017e umo\u017e\u0148uje u\u017eivatel\u016fm p\u0159izp\u016fsobit v\u00fdstup jejich estetick\u00fdm po\u017eadavk\u016fm.<\/li>\n\n\n\n
  8. Bezpe\u010dnost a etick\u00e9<\/a> vyu\u017eit\u00ed<\/strong>
    <\/strong>DALL-E obsahuje mechanismy filtrov\u00e1n\u00ed obsahu, kter\u00e9 zabra\u0148uj\u00ed generov\u00e1n\u00ed nevhodn\u00fdch nebo \u0161kodliv\u00fdch obr\u00e1zk\u016f. N\u00e1stroj tak\u00e9 odm\u00edt\u00e1 vytv\u00e1\u0159et obsah spojen\u00fd s n\u00e1sil\u00edm, sexu\u00e1ln\u00edm obsahem nebo negativn\u00edm zobrazen\u00edm ve\u0159ejn\u00fdch osob.<\/li>\n<\/ol>\n\n\n\n

    Tyto vlastnosti d\u011blaj\u00ed z DALL-E v\u00fdkonn\u00fd n\u00e1stroj pro um\u011blce, design\u00e9ry, marketingov\u00e9 profesion\u00e1ly i b\u011b\u017en\u00e9 u\u017eivatele, kte\u0159\u00ed cht\u011bj\u00ed rychle a efektivn\u011b vizualizovat sv\u00e9 n\u00e1pady.<\/p>\n\n\n\n

    Co v\u0161echno DALL-E dok\u00e1\u017ee?<\/h2>\n\n\n\n