Ein Forschungsteam hat eine neue Trainingsmethode vorgestellt, die die Bildgenerierungsfähigkeiten von DALL-E3 verbessern soll. Diese Methode kombiniert vom Modell generierte synthetische Bildunterschriften mit manuell erstellten, realen Bildunterschriften, um Probleme bei der räumlichen Wahrnehmung und der Textdarstellung zu lösen. Hochentwickelte Sprachmodelle wie GPT-4 spielen eine Schlüsselrolle bei der Verbesserung der Textqualität und -tiefe.
Die Studie zeigt eine deutliche Verbesserung der Bildgenerierungsqualität und -genauigkeit von DALL-E3 und legt damit den Grundstein für zukünftige Entwicklungen in der Text-zu-Bild-Generierung.
