Dataiku LLM Mesh 现在通过 Dataiku 实例中的 LLM 连接提供一流的图像生成功能。组织可以在安全、受管控的环境中访问领先的模型，如 OpenAI 的 DALL-E 3、Google 的 Imagen 3、Stability AI 模型和 FLUX.1。用户可以决定根据提示从头开始生成图像，也可以根据自己的喜好修改现有图像。现在，团队利用图像生成同时保持企业安全性和合规性的问题已不复存在。
具有图像生成的 LLM Mesh 连接可用于在 Dataiku Answers 和 LLM Mesh API 中生成图像。
具有图像生成的 LLM Mesh 连接可用于在 Dataiku Answers 和 LLM Mesh API 中生成图像。
让我们考虑一个实际的例子。我们回到一家时装公司在 Dataiku 中使用这项技术的想法。时装设计团队可能将所有草图和设计理念存储在数据库或托管文件夹中。对于一个设计，他们可能从一幅身穿黑色连衣裙的女人的简单草图开始。通过Dataiku Answers或通过 Python 代码，该团队可以要求 LLM 将基本草图转换为逼真的图像。
Dataiku LLM Mesh 允许安全地使用 GenAI，包括图像到图像的生成。
Dataiku LLM Mesh 允许安全地使用 GenAI，包括图像到图像的生成。
最终结果将是一个保留原始设计动感和优雅的视觉效果，同时添加逼真的细节和纹理。现在，时尚团队对如何 葡萄牙电话号码数据 推进产品开发有了更好的想法。此外，这个过程曾经需要数小时的专业摄影和编辑，但现在通过该平台只需几分钟即可完成。
通过治理确保创新
我们已经暗示过这一点，但现在是时候解决这个显而易见的问题了：治理和合规性。可视化 GenAI 的未来影响有其风险。主要问题包括道德考量、知识产权以及 GenAI 结果中的潜在偏见。人工智能无法自我调节，因此人类监督至关重要。具体到图像生成，潜在的版权侵权和模仿视觉效果可能带来重大挑战。在企业级，数百名用户正在构建图像和项目，问题不是问题是否会发生，而是何时发生。这正是组织可以从 Dataiku 中受益的地方，它在整个数据生命周期中提供全面的监督和治理。以下是 Dataiku 实现全面监督的几种方式：
管理员可以跟踪图像生成活动，确保适当使用，并保持符合公司政策。
项目经理会喜欢使用Dataiku Govern通过可视化生成模型来标记和跟踪项目。这让他们能够有效地监控合规标准。
Dataiku LLM Mesh 通过LLM Guard Services包含内置内容过滤和安全检查，有助于防止生成不适当或有偏见的图像。
组织可以为图像生成设置特定的指导方针，控制样式一致性、品牌合规性和适当用例等方面。