我们介绍的 DeepFloyd IF 是一种新颖、先进的开源文本到图像模型,具有高度的逼真性和语言理解能力。DeepFloyd IF 是一个模块,由一个冻结文本编码器和三个级联像素扩散模块组成:一个基本模型,根据文本提示生成 64×64 px 的图像;两个超分辨率模型,分别用于生成分辨率不断提高的图像:256×256 px 和 1024×1024 px。该模型的所有阶段都使用基于 T5 变换器的冻结文本编码器来提取文本嵌入,然后将其输入到具有交叉注意力和注意力池增强功能的 UNet 架构中。结果是一个高效的模型,其性能超过了目前最先进的模型,在 COCO 数据集上获得了 6.66 分的零镜头 FID 分数。我们的工作强调了大型 UNet 架构在级联扩散模型第一阶段的潜力,并描绘了文本到图像合成的美好前景。

类似的工具
其他人也看的工具

WHEE-美图出品
AI视觉创作的灵感激发器,立即生成即可获取由美图AI创作的一幅画作。

海艺AI-SeaArt AI
SeaArt-AI免费易用的海艺AI绘画工具

zeroscope_v2_XL
管道标签不在官方列表中

字幕说
在线语音合成、字幕及视频生成工具,制作视频无需出镜

Mintlify
构建您一直想要的文档。开箱即用,易于维护,并针对用户参与进行了优化。

CONJECTURE
我们是一个致力于应用、可扩展的 AI 对齐研究的研究团队。