La inteligencia artificial promete marcar un antes y un después en muchas áreas, pero una en particular se está llevando casi todo el protagonismo este año. En abril hablábamos de las enormes posibilidades de DALL-E 2, una IA capaz de generar imágenes a partir de un texto. Más tarde llegaba DALL-E Mini, un generador que nos sorprendía con sus delirantes creaciones. Ahora es el turno de Parti, una alternativa que apuesta por un nuevo y prometedor modelo para generar imágenes fotorrealistas.
A diferencia de DALL-E y sus variantes, que utilizan un modelo de generación de imágenes desde texto de "difusión", Parti (Pathways Autoregressive Text-to-Image) apuesta por un modelo autorregresivo que permite entradas de texto más extensas y es capaz de hacer composiciones complejas. Como podemos ver en la imagen destacada, los resultados de Parti se parecen más a una obra de arte que a las figuras amorfas como las que nos ofrece DALL-E Mini (imagen siguiente).
Imágenes generadas con Dall-E Mini
El nuevo generador de imágenes de Google
Los investigadores de Google cuentan en una publicación de Blog que pusieron a prueba a Parti en cuatro escalas (350M, 750M, 3B y 20B) bajo los mismos parámetros, es decir, con las mismas entradas de texto. Tras la prueba, descubrieron que la última escala sobresale especialmente en indicaciones que son abstractas, requieren conocimiento del mundo, perspectivas específicas y representación de símbolos.
Imágenes generadas con Parti
En uno de los intentos, utilizaron el siguiente texto de entrada: "A map of the United States made out of sushi. It is on a table next to a glass of red wine (Un mapa de Estados Unidos hecho con sushi. Está en una mesa al lado de una copa de vino tinto)". Como podemos ver, la escala 350M presenta una confusa representación, las cosas mejoran en la 750M, presentan "creatividad" en la 3B y un asombroso resultado en la 20B.
También podemos ver una prueba en la que los investigadores evaluaron el trabajo de Parti en diferentes escenarios complejos. Ingresaron el texto "Portrait of a tiger wearing a train conductor’s hat and holding a skateboard that has a yin-yang symbol on it (Retrato de un tigre con un sombrero de conductor de tren sosteniendo una patineta con un símbolo de yin-yang)".
Imágenes generadas con Parti
Y pidieron variantes en fotografía, ilustración de historietas, pintura al óleo, estatua de mármol, entre otros. Sorprendentemente, la IA demostró su capacidad para adherirse a formatos y estilos de imagen específicos, aunque no siempre con tan buenos resultados. "Si bien Parti produce resultados de alta calidad para una amplia gama de indicaciones, el modelo, sin embargo, tiene muchas limitaciones", indican desde Google.
El gigante de Mountain View seguirá entrenando y mejorando sus modelos de inteligencia artificial para "mejorar la creatividad y la productividad humana". Cabe señalar que por razones de seguridad (Google quiere evitar malos usos), Parti no está disponible para el público, como sí lo está DALL-E Mini, por lo que no podremos crear nuestras propias imágenes a partir de texto. No obstante, nos queda la alternativa de ver una gran cantidad de ejemplos en la página del proyecto y consultar la investigación completa.
Ver 21 comentarios