谷歌首次披露，全球范围内的谷歌地球覆盖了全球98%的居民区

12月14日，CNET报告显示，谷歌首次披露了它拍摄的世界范围。其中包括1000万英里的街景图，600万平方英里的谷歌地球图像，覆盖了世界上98％的人口居住的地区图像。值得一提的是，因为隐私问题，谷歌地图也屡屡引发批评。

（来源：时间财经微博）

Google Image SEO优化指南

产品图片是大多数用户比较关注的部分，清晰好看的图片会比文字更能抓住用户的吸引力，图片优化可以提升网站排名。

对于网站图片的优化，ALT标签很重要，除此之外，我们还有很多方法来提高网站的整体性能并提高在google图片上的排名。

选择正确的图像格式

JPEG：JPEG是我们在网上经常见到的图片格式，可以在压缩后仍然可以获得高质量的图片。

GIF：GIF通常用于简单动画，是公司徽标或网站页面的元素的理想形式，且支持透明背景。不建议将大型产品图像或图片保存为GIF格式

PNG：PNG图像支持透明背景，常常用于LOGO图像的制作，图像小但分辨率很高

SVG：一般用于图标或者徽标。

命名一个有助于SEO的名字

根据Google的图像SEO指南，使用描述性的文件名很重要。

当我们通过手机微信来传图片的时候，计算机自动生成的图片文件名称可能是微信图片_20221008113516，这并不能告诉Google爬虫这个图像是什么。

而更好的图片名称应该是这样的google-shoping-ads-01，white-air-force-1-pastel-stripes.jpg。

因此在你将任何图像上传到你的网站之前，请为它提供描述性的名称。此外Google建议使用连字符而不是下划线来分隔单词。

图片像素大小

在用户体验方面，页面的加载速度非常的重要，如果你的图片文件太大，网站的加载速度就会变慢。

为了提升网站的加载速度，上传图片之前建议压缩。可以使用Adobe Photoshop的“save for web”功能来确保在不影响图片质量的情况下对图片进行压缩，也可以使用PicMonkey、TinyPNG或ImageOptim来压缩您的图像。

添加ALT文本

Alt 代表 HTML 图像中的替代文本，即当图片由于网络或浏览器权限等原因无法正常显示时，所展示的文字描述。

ALT标签能帮助你的网站将关键词与图片相关联，为谷歌提供图像主题的相关信息，从而收获更好的搜索引擎排名。

与此同时，ALT标签可以实现一定的SEO优化功能，当图片链接到网站上的其他页面时，ALT文本可以充当内部链接的锚文本。

以下是一些简单的Alt属性规则：

用通俗的语言描述图片，就像命名图片文件名一样。
如果发布的产品有型号或序列号，在 Alt属性中使用它们。
不要让Alt属性充满关键字（例如Alt =“宝马5系最便宜的最优惠价格”）。
不要将Alt属性用于装饰图标。
最后经常检查网页的访客来源并检查Alt属性是否正确填写。

创建图片站点地图

创建并发布图片站点地图，可以帮助谷歌搜索引擎更有效地发现你网站上的图像，提高图像被展示的可能性。

图片站点地图很像常规的XML 站点地图，只是图片站点地图仅包含图片的 URL。

你可以手动创建或者使用站点地图生成器创建图像地图，按照Google示例和说明进行操作。在Google的站点地图示例中包含两个图片。

谷歌图片SEO优化，无论对提高网站加载速度、提升用户浏览体验、展示公司品牌形象，还是提高图片展示的可能性、提高网站的搜索排名，都有着重要影响。

很多卖家为了更好的推广效果以及备用，都会同时运营多个谷歌广告账户，除了使用同一个邮箱开多个广告账号会造成账号关联，使用同一IP或同个浏览器登录多个账户也会造成账号关联，一个被封另一个也被封，所以卖家纷纷借助Hustudio指纹浏览器来进行谷歌的多账号安全管理。

Hubstudio是一个多账号安全管理系统，可以创建一个个唯一且真实的浏览器环境，每个环境都可以设置独立的IP，环境之间相互隔离互不干扰，确保谷歌广告账号之间不会因为IP和浏览器登录环境产生关联，降低了账户被封的风险。

希望这篇文章对你有帮助。

谷歌地图提供俄罗斯所有战略地点的高像素卫星图像

谷歌地图服务18日开始以最大分辨率提供俄罗斯所有军事和战略设施的卫星图像。目前，包括各种洲际弹道导弹发射井、指挥所、秘密试验场等在内的俄战略要地均可以每像素约0.5米的分辨率查看。

来源：央视新闻客户端广州日报·新花城编辑：陈婷婷

谷歌AI图像生成器，您的创作自由

当你还没把Siri的全部功能玩溜的时候，谷歌又通过人工智能推出了一个让你的搜索更生动、更丰富的功能。简而言之，无论你大脑中曾构想过什么天马行空的画面，只要说出来，谷歌都能实现、满足你。

这个功能其实是一个从文本出发的图像生成器，通过大型 Transformer语言模型来理解文本，然后再依靠扩散模型来执行高保真图像的生成。据谷歌表示，该功能“具有前所未有的逼真度和语言理解深度”。

不过该功能目前在生成人物图像时存在比较大的漏洞，例如无法很好地管制色情图像、种族主义以及反社会内容等生成，系统一旦对公众开放，被滥用的可能性很大，因此在尊重创意自由与社会规管中间找到平衡以前，Imagen将暂时禁止使用。

目前在谷歌的Imagen官网上，已经展示了大量由该功能生成的图像和对应文本，风格从素描再到油画甚至CGI都有涉及。我浏览了一下这个网站，这个功能生成的图像逼真度不能说惊人，只能说毫无出入，一旦开放，对于创意工作者而言将是强有力的工具，也许摄影器材都将被淘汰，有生之年可以期待一下。

以下是部分文本在通过Imagen理解后生成的图像，大家也可以亲自去官网脑洞一下。（官网在此：https://imagen.research.google）

一个大脑乘坐飞船向月球驶去

在雪地里戴着空手道腰带的火龙果

一副画中有浣熊女王穿着红色礼服，而画被挂在华丽的墙面上

一只柯基在时代广场骑自行车，它戴着太阳帽和墨镜

一对机器人夫妇在埃菲尔铁塔前用餐

玻璃制成的透明鸭子

泰迪熊在参加奥运会400米蝶泳

扩散+超分辨率模型的强大结合，背后的谷歌图像生成技术图像

选自assemblyAI

作者：Ryan O'Connor

机器之心编译

机器之心编辑部

本文详细解读了 Imagen 的工作原理，分析并理解其高级组件以及它们之间的关联。

近年来，多模态学习受到重视，特别是文本 – 图像合成和图像 – 文本对比学习两个方向。一些 AI 模型因在创意图像生成、编辑方面的应用引起了公众的广泛关注，例如 OpenAI 先后推出的文本图像模型 DALL・E 和 DALL-E 2，以及英伟达的 GauGAN 和 GauGAN2。

谷歌也不甘落后，在 5 月底发布了自己的文本到图像模型 Imagen，看起来进一步拓展了字幕条件（caption-conditional）图像生成的边界。

仅仅给出一个场景的描述，Imagen 就能生成高质量、高分辨率的图像，无论这种场景在现实世界中是否合乎逻辑。下图为 Imagen 文本生成图像的几个示例，在图像下方显示出了相应的字幕。

这些令人印象深刻的生成图像不禁让人想了解：Imagen 到底是如何工作的呢？

近期，开发者讲师 Ryan O'Connor 在 AssemblyAI 博客撰写了一篇长文《How Imagen Actually Works》，详细解读了 Imagen 的工作原理，对 Imagen 进行了概览介绍，分析并理解其高级组件以及它们之间的关联。

Imagen 工作原理概览

在这部分，作者展示了 Imagen 的整体架构，并对其它的工作原理做了高级解读；然后依次更透彻地剖析了 Imagen 的每个组件。如下动图为 Imagen 的工作流程。

首先，将字幕输入到文本编码器。该编码器将文本字幕转换成数值表示，后者将语义信息封装在文本中。Imagen 中的文本编码器是一个 Transformer 编码器，其确保文本编码能够理解字幕中的单词如何彼此关联，这里使用自注意力方法。

如果 Imagen 只关注单个单词而不是它们之间的关联，虽然可以获得能够捕获字幕各个元素的高质量图像，但描述这些图像时无法以恰当的方式反映字幕语义。如下图示例所示，如果不考虑单词之间的关联，就会产生截然不同的生成效果。

虽然文本编码器为 Imagen 的字幕输入生成了有用的表示，但仍需要设计一种方法生成使用这一表示的图像，也即图像生成器。为此，Imagen 使用了扩散模型，它是一种生成模型，近年来得益于其在多项任务上的 SOTA 性能而广受欢迎。

扩散模型通过添加噪声来破坏训练数据以实现训练，然后通过反转这个噪声过程来学习恢复数据。给定输入图像，扩散模型将在一系列时间步中迭代地利用高斯噪声破坏图像，最终留下高斯噪声或电视噪音静态（TV static）。下图为扩散模型的迭代噪声过程：

然后，扩散模型将向后 work，学习如何在每个时间步上隔离和消除噪声，抵消刚刚发生的破坏过程。训练完成后，模型可以一分为二。这样可以从随机采样高斯噪声开始，使用扩散模型逐渐去噪以生成图像，具体如下图所示：

总之，经过训练的扩散模型从高斯噪声开始，然后迭代地生成与训练图像类似的图像。很明显的是，无法控制图像的实际输出，仅仅是将高斯噪声输入到模型中，并且它会输出一张看起来属于训练数据集的随机图像。

但是，目标是创建能够将输入到 Imagen 的字幕的语义信息封装起来的图像，因此需要一种将字幕合并到扩散过程中的方法。如何做到这一点呢？

上文提到文本编码器产生了有代表性的字幕编码，这种编码实际上是向量序列。为了将这一编码信息注入到扩散模型中，这些向量被聚合在一起，并在它们的基础上调整扩散模型。通过调整这一向量，扩散模型学习如何调整其去噪过程以生成与字幕匹配良好的图像。过程可视化图如下所示：

由于图像生成器或基础模型输出一个小的 64×64 图像，为了将这一模型上采样到最终的 1024×1024 版本，使用超分辨率模型智能地对图像进行上采样。

对于超分辨率模型，Imagen 再次使用了扩散模型。整体流程与基础模型基本相同，除了仅仅基于字幕编码调整外，还以正在上采样的更小图像来调整。整个过程的可视化图如下所示：

这个超分辨率模型的输出实际上并不是最终输出，而是一个中等大小的图像。为了将该图像放大到最终的 1024×1024 分辨率，又使用了另一个超分辨率模型。两个超分辨率架构大致相同，因此不再赘述。而第二个超分辨率模型的输出才是 Imagen 的最终输出。

为什么 Imagen 比 DALL-E 2 更好？

确切地回答为什么 Imagen 比 DALL-E 2 更好是困难的。然而，性能差距中不可忽视的一部分源于字幕以及提示差异。DALL-E 2 使用对比目标来确定文本编码与图像（本质上是 CLIP）的相关程度。文本和图像编码器调整它们的参数，使得相似的字幕 – 图像对的余弦相似度最大化，而不同的字幕 – 图像对的余弦相似度最小化。

性能差距的一个显著部分源于 Imagen 的文本编码器比 DALL-E 2 的文本编码器大得多，并且接受了更多数据的训练。作为这一假设的证据，我们可以在文本编码器扩展时检查 Imagen 的性能。下面为 Imagen 性能的帕累托曲线：

放大文本编码器的效果高得惊人，而放大 U-Net 的效果却低得惊人。这一结果表明，相对简单的扩散模型只要以强大的编码为条件，就可以产生高质量的结果。

鉴于 T5 文本编码器比 CLIP 文本编码器大得多，再加上自然语言训练数据必然比图像 – 字幕对更丰富这一事实，大部分性能差距可能归因于这种差异。

除此以外，作者还列出了 Imagen 的几个关键要点，包括以下内容：

扩展文本编码器是非常有效的；
扩展文本编码器比扩展 U-Net 大小更重要；
动态阈值至关重要；
噪声条件增强在超分辨率模型中至关重要；
将交叉注意用于文本条件反射至关重要；
高效的 U-Net 至关重要。

这些见解为正在研究扩散模型的研究人员提供了有价值的方向，而不是只在文本到图像的子领域有用。

原文链接：https://www.assemblyai.com/blog/how-imagen-actually-works/

谷歌地图的历史街景图像功能现已在移动平台上实现

日前，Google为了庆祝Google地图服务上线15周年将推出两大更新。首先是其iOS和Android应用的一项新功能–将在用户的手机上显示历史上的街景图像。第二个则是一个全新的、更便携的相机，Google希望它能在未来更容易捕捉到街景图像。

自2014年以来，人们可以通过Google地图的桌面版使用街景图来了解一个地方多年来的变化。但现在，该服务的iOS和Android应用也都将拥有同样的能力。在街景模式下，用户可以通过点击屏幕上的任何地方来访问它，然后选择“查看更多日期”来访问某一个地点的历史图像。Google宣传称，该功能将显示回溯到2007年街景推出时的图像。

为配合街景的周年纪念，Google发布的第二个消息是一个全新的、更便携的相机，用于捕捉360度的图像。目前，这家搜索巨头使用专用汽车和配备相机的大型背包（称为Trekker）来拍摄世界，但新相机将所有这些功能缩减到一个重量不到15磅（约6.8公斤）的设备中，用Google自己的话说–“大概只有一只家猫那么大”。

Google设计这台相机则是为了让其自己能更容易在世界各地捕捉街景图像，并使其能更频繁地进行更新。考虑到街景数据已经通过将现有的笨重相机绑在从雪地车到威尼斯贡多拉的各种车辆上收集，很容易想象Google应该能将新相机绑在各种新车辆上。

在Google强调了新相机的便携性之外，街景硬件团队负责人Steven Silverman还指出，每个全景图的外观还应该有一些优势。“传感器的质量更高，它们的信噪比更低。这些图像将更加美丽。”据了解，每台相机中的七个相机传感器捕捉的全景图的分辨率为1.4亿像素，这跟以前一样，虽然默认情况下没有内置激光雷达传感器，但Silverman称，相机的设计是可定制的，也就说说，未来可以在需要时添加它们。

街景是一个真正有用的功能同时也是一个有趣的新事物。对Google来说，让相机在街上漫游还是一种改善Google地图数据的有益方式。街景图像被用来在Google地图上添加新开业的企业、改善企业营业时间的信息并提供道路的限速信息。

Silverman称，新相机将在明年跟现有的汽车和跋涉者一起推出。