DALL-E

DALL-E
	Immagine generata con l'intelligenza artificiale di DALL-E, raffigurando il logo di Wikipedia.
Classe	Transformer
	Manuale

DALL-E, nella forma stilizzata DALL·E, è un algoritmo di intelligenza artificiale capace di generare immagini a partire da descrizioni testuali attraverso la sintografia. Sviluppato da OpenAI, viene presentato il 5 gennaio 2021^[1].

Sviluppo[modifica | modifica wikitesto]

A seguito della pubblicazione dei modelli NLP GPT e GPT-2^[2], OpenAI decide di applicare l'architettura dei transformer alla generazione delle immagini. A tal proposito, nel giugno 2020 pubblica ImageGPT, il quale utilizzando lo stesso codice di GPT-2 produce immagini coerenti^[3].

Il 5 gennaio 2021, OpenAI presenta sul suo blog il modello DALL-E, capace di generare immagini a partire da una didascalia che l'utente inserisce. DALL-E mostra di comprendere fedelmente le istruzioni della descrizione testuale rendendosi capace di apprendere concetti spaziali e temporali.

Malgrado le capacità di DALL-E siano state ampiamente mostrate nel blog di OpenAI e nelle relative pubblicazioni, il codice del modello non è mai stato rilasciato interamente, fatto che ha favorito il rilascio di numerosi modelli testo-immagine: Cogview, DALL-E Mini, ruDALL-E^[4]^[5].

Caratteristiche[modifica | modifica wikitesto]

DALL-E produce immagini in risoluzione massima di 1024 x 1024 pixel^[6] a partire da un testo in linguaggio naturale (è supportata la lingua inglese). DALL-E è capace di generare immagini e fotografie adeguandosi a vari stili come ad esempio la pixel art, lo stile cartoon, il rendering 3d. È anche capace di produrre immagini foto realistiche.

DALL-E, dopo un primo periodo di accesso solo tramite invito, è adesso aperto a tutti e offre 50 crediti all'iscrizione e 15 crediti al mese per la generazione delle immagini. Con ogni credito è possibile generare 4 immagini.

È anche possibile chiedere a DALL-E di produrre immagini, al posto che partendo da un testo, fornendo un'immagine. DALL-E in tal caso produrrà immagini visivamente simili ispirate all'immagine di partenza.

Nel settembre 2023 viene lanciata la versione 3.0 che è in grado di sviluppare dettagli molto complessi e si integra per la prima volta con ChatGPT, consentendo alla generazione di immagine all'interno di una conversazione testuale, funzionalità già introdotta da Microsoft Bing Chat nel marzo dello stesso anno.^[7]