Imagen 4 - 谷歌推出的最新图像生成AI模型

Imagen 4是什么

Imagen 4是谷歌最新的图像生成模型，出图最高2K分辨率，复杂织物纹理、水滴折射、动物毛发这些细节都看得出来。文字渲染是Imagen 4这版的重点，图里的字能生成得清楚准确，广告、漫画、邀请函这类设计场景用得上。风格从超现实到抽象、从插图到摄影都支持，创作者能选的范围宽了不少。

Imagen 4的主要功能

• 高分辨率与细节呈现：最高2K分辨率，细节比以前抓得更准，织物纹理、水滴折射、动物毛发都能如实呈现。
• 文本渲染能力：能在图里生成清晰准确的文字，上下文理解也跟得上，图文搭配更讲逻辑，适合广告、漫画、邀请函这类设计场景。
• 风格多样性：超现实、抽象、插图、摄影都出得来，风格上给创作者留的余地比较大。
• 快速生成模式：生成速度比前代快不少，谷歌还计划推出速度提升10倍的变体，适合要频繁迭代的创意流程。
• 生态整合：已经接进Gemini应用、Google Workspace（Slides、Docs、Vids）和Google Labs的Whisk实验平台，部分功能通过Vertex AI开放给企业。

Imagen 4的技术原理

• 增强的扩散变换器：Imagen 4用的是增强过的扩散变换器，图像细节、色彩真实度和复杂场景的生成能力都比上一代好。
• 高效特征蒸馏：Imagen 4在特征蒸馏上做了改进，蒸馏过程、特征提取和传递都优化过，生成质量不掉的情况下速度提了上来。
• 文本编码器：Imagen 4用Transformer编码器把文本描述转成数值表示，单词之间的关联读得出来，出图就更贴合描述。
• 图像生成器：生成器拿文本编码器的输出，靠扩散模型一步步把图画出来，去噪过程调过，按文本描述就能出高质量的图。
• 多级超分辨率：为了出高分辨率图，Imagen 4配了多级超分辨率模型，把低分辨率图逐步上采样放大到目标尺寸。
• 扩散模型的超分辨率应用：超分辨率这一步Imagen 4又用了扩散模型，除了文本编码，还参考正在放大的那张低分辨率图。
• Fast版优化：Imagen 4 Fast是给低延迟场景准备的，推理速度优化后单张图1秒出。虚拟会议背景生成、移动端做内容这类实时用法更合适。

Imagen 4的项目地址

• 项目官网：https://deepmind.google/models/imagen/

Imagen 4的应用场景

• 创意设计：海报、PPT这类生产级用途都能做，专业设计的要求顶得住。
• 内容创作：幻灯片、邀请函，凡是图和字要放在一起的内容都合适。
• 影视制作：结合Veo 3：视频生成模型，再配上Flow这套电影制作工具，能做电影片段、场景和故事。