Meta 公司宣布开发出一款名为 CM3Leon 的人工智能模型，该模型可以根据文本生成高质量的图像，也可以为图像生成文本描述，甚至可以根据文本指令编辑图像。
注：CM3Leon 生成结果(上)对比 DALL-E 2 生成结果(下)
Meta 公司称，这款模型在文本到图像生成方面达到了业界最高水平，超过了谷歌、微软等公司的产品。CM3Leon 是一种基于 Transformer 的模型，Transformer 是一种利用注意力机制来处理输入数据的神经网络结构。相比于其他基于扩散(diffusion)的模型，Transformer 模型更加高效，训练速度更快，计算成本更低。
Meta 公司展示了 CM3Leon 在不同任务上的优异表现，包括根据复杂的文本提示生成图像，根据文本指令编辑图像，以及生成图像描述和回答。Meta 公司表示，CM3Leon 是图像生成和理解领域的一大进步，但也承认该模型可能存在数据偏见的问题，并呼吁行业加强透明度和监管。
Meta 公司使用了数百万张来自 Shutterstock 的授权图片来训练 CM3Leon，最强大的版本有 70 亿个参数，比 OpenAI 的 DALL-E 2 模型多两倍。
Meta 公司没有透露是否会公开发布 CM3Leon 模型。
