2024 百度世界大会：李彦宏介绍 iRAG 技术，解决文生图幻觉问题

2024年百度世界大会上，李彦宏所展示的iRAG技术备受瞩目。然而，AI生图所面临的幻觉问题一直是个难题，比如Midjourney生成的图片有时会出现人物混淆的情况。那么，我们是否可以期待iRAG技术真的能解决这些问题？

了解AI文生图的幻觉问题

在使用AI生成图像的过程中，常常会遇到一些令人啼笑皆非的成果。例如，AI可能会将北京大学门口描绘得与现实大相径庭。此外，在商业元素的处理上，常常出现随意粘贴商标的问题。这些现象反映出，若没有较为成熟的技术支持，AI在将文字描述转化为图像时，很难做到与描述内容准确对应。再者，在涉及人物描述时，也常常出现人物错误或遗漏的情况。比如，描述马斯克在火星驾驶特斯拉，却出现了司机并非马斯克这样的错误，此类现象并不罕见。

这些问题严重影响了AI文生图的使用感受。用户得到的图片与预期相差甚远，对于商业应用和个人创意需求来说，这种差异是无法容忍的。因此，我们需要技术手段来改善这一状况。

iRAG技术的作用原理推测

iRAG技术据说能解决幻觉问题。从字面上理解，它可能依赖于图像检索增强技术。这或许是通过更精确的内容分析和图像数据库的匹配来实现的。例如，在生成特定场景的人物时，它可能首先检索与场景相关的图像数据，接着在符合要求的图片中进行组合创作。当然，这仅仅是猜测，官方并未提供详细信息。不过，这种猜测是依据以往检索增强技术的运作模式推断出来的。

过去，提升检索准确性的技术多是通过增加检索量来实现的。而iRAG或许在处理大量图像信息时，也是通过筛选和匹配来降低文生图中的误差。举例来说，若要生成特定地点的建筑外观，系统会在建筑风格和外观等信息上执行检索和对比，以此来提升准确性。

文心绘图功能实测体验

我们对文心绘图功能进行了测试，发现其中存在问题。比如，当描绘哈里斯向特朗普颁发皇冠的场景时，结果并不理想。即便我们反复测试，得到的都是类似的结果。这说明iRAG在文心绘图方面并未完全消除幻觉。此外，单独的景物和人物组合测试也未能达到预期效果。例如，在描述霍金和爱因斯坦在故宫打麻将的情景时，文心在人物生成准确性上表现不佳。

iRAG在文心绘图领域的应用尚处于初级阶段。尽管有所改进，但与理想中的精准生成图片相比，仍有较大差距。无论是人物描绘还是场景搭配，都亟需进一步优化。

与Midjourney的对比测试

对搭载iRAG的文心绘图和Midjourney进行对比。在特定场景中，例如“广州塔、埃菲尔铁塔和上海明珠出现在月球上”的描述，两者均存在不足。Midjourney成功绘制了月球表面，而文心绘图仅呈现了月球背景。在人物与场景的结合上，以之前提到的文心生成两个爱因斯坦的例子来看，Midjourney的表现更是不尽人意，众多元素均有所缺失。

iRAG在文心绘图方面的表现，相较于未搭载iRAG的Midjourney，并未展现出压倒性的优势。然而，在某些特定领域，比如场景元素的生成，文心绘图展现出更明显的优势。由此可以看出，iRAG在整体效果上仍有待优化。

iRAG技术的实际效果评价

iRAG技术整体来说是有益的。它能降低文生图中的部分幻觉。不过，要完全消除这些问题还差得远。通过我们实际测试的多个案例可以看出，它在人物精确度和场景完整性上仍有欠缺。而且，对于不同的描述内容，其表现并不稳定。在某些简单场景中效果尚可，但一旦场景变得复杂或人物增多，问题就会显现。

技术研发者需对iRAG技术进行深化改进。需对检索逻辑或图像匹配算法进行调整和优化。同时，针对不同图片主题，iRAG的表现效果参差不齐，这也是一个亟需解决的问题。

对iRAG技术的未来展望

将iRAG技术应用于Midjourney，会产生怎样的影响？这无疑是一个值得深入研究的领域。假以时日，若该技术持续优化，便有望在更多文生图AI领域得到应用。若它能与不同AI的优势相结合，或许能发挥出更大的作用。展望未来，我们期待iRAG变得更加智能，无论是图像元素还是人物形象的生成，都能更加精确。

大家对iRAG技术实现完全消除文生图幻觉所需的时间有何看法？不妨在评论区展开讨论，同时，点赞和分享也是欢迎之至。

内容来自网络，如有侵权，联系删除。