Imagen (model text-a-imatge) és una sèrie de models de text a imatge desenvolupats per Google DeepMind. Van ser desenvolupats per Google Brain fins a la fusió de l'empresa amb DeepMind l'abril de 2023. Imagen s'utilitza principalment per generar imatges a partir de sol·licituds de text, de manera similar a Stable Diffusion de Stability AI, DALL-E d' OpenAI o Midjourney.
La versió original del model es va discutir per primera vegada en un article del maig de 2022. L'eina produeix imatges d'alta qualitat i està disponible per a tots els usuaris amb un compte de Google a través de serveis com ara Gemini, ImageFX i Vertex AI.
Història La versió original d'Imagen es va presentar per primera vegada en un article publicat el maig de 2022. Presentava la capacitat de generar imatges d'alta fidelitat a partir del llenguatge natural. La segona versió, Imagen 2, es va publicar el desembre de 2023. La característica més destacada va ser la generació de text i logotips. Imagen 3 es va publicar l'agost de 2024. Google afirma que la versió més recent proporciona millors detalls i il·luminació a les imatges generades. El 20 de maig de 2025, a Google I/O 2025, l'empresa va llançar un model millorat, Imagen 4.
Tecnologia Imagen utilitza dues tecnologies clau. La primera és l'ús de models de llenguatge grans basats en transformadors, en particular T5, per entendre text i posteriorment codificar text per a la síntesi d'imatges. La segona és l'ús de models de difusió en cascada que proporcionen generació d'imatges d'alta fidelitat. Imagen genera imatges en tres etapes, començant des d'una base de 64x64, i després augmentant la resolució a 256x256 i 1024x1024. Imagen 4 genera imatges de fins a 2k.
Capacitats Imagen pot generar imatges fotorealistes a partir de sol·licituds de text. També pot crear diversos estils, com ara cinematogràfic, de 35 mm, il·lustració i surrealista. Com la majoria de models d'IA generatius de text a imatge, Imagen té dificultats per representar dits humans, text, ambigrames i altres formes de tipografia.
El model pot generar imatges en cinc relacions d'aspecte, concretament 9:16, 3:4, 1:1, 4:3 i 16:9. Imagen també pot refinar les imatges ja generades editant les indicacions de text existents.
Referències
Categoria:Art creat per intel·ligència artificial