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

文状元
专为知识写作密集型人群设计的智能创作工具

素材中国
免费素材共享平台

智能修复老照片-迅捷图片
智能修复老照片-老照片修复,一键黑白老照片上色、老照片翻新

Petalica paint
Petalica paint用AI为你的画自动上色!

Aragon.ai
毫不费力的专业爆头,使用 AI 的新进展来创建您自己的专业爆头!

Midjourney绘画与设计应用
24课时无论你是设计师还是初学者,本系列都能满足你的需求,快加入学习吧!