🔑 名詞卡
DALL-E
🎯 定義
多模態生成式AI工具，基於文本生成高品質圖像，實現跨模態的創意設計。
重點
- 與 Stable Diffusion 同屬將文本與圖像生成結合的代表模型，建立在 Transformer 架構與自注意力機制之上。
- 常與 Midjourney 並列為「文字與圖像整合」多模態應用的代表工具。
易混淆
- vs Midjourney：DALL-E 偏重基於文本生成高品質圖像、實現跨模態創意設計；Midjourney 偏重藝術風格與創意融合的圖像生成。
📖 課文原文「並支持大規模的多模態生成，如 DALL-E 和 Stable Diffusion，將文本與圖像生成結合。」 「文字與圖像整合：如 DALL-E 與 Midjourney 等，將文本描述轉化為圖像。」
CV 技術演進脈絡中的定位（中級科目一補充）
在電腦視覺「多模態與生成式 AI 融合階段」（2020–至今），DALL·E 與 Stable Diffusion、Midjourney 並列為代表性的文字轉圖像生成模型，讓 CV 從「辨識」擴展到「創造」。