DALL·E と CLIP を OpenAI が同日公開 — 画像とテキストの結合

GPT-3 期 OpenAI model:dall-e model:clip 新モデル / 既存モデル系列の新版リリース（GPT-4o / Claude 4 等。周辺アプリや API 化のみは product-launch、性能向上は capability-update）学術論文・arXiv・研究発表（評価指標の設計論なら evaluation も検討）マルチモーダル統合（画像・動画・音声）。modalities フィールドとは別に「マルチモーダル化が記事の主眼」のときだけ topic 化画像（生成・理解）テキスト（自然言語）

2021-01-05 · DALL-E 歴史アーカイブ

OpenAI が同日に DALL·E（テキストから画像生成）と CLIP（テキスト・画像の埋め込み統一）を発表。マルチモーダル基盤の幕開けとして、その後の Stable Diffusion / Midjourney / Sora 等の前史となる。

ソース