DeepFloyd Lab

DeepFloyd Lab官網

一種新穎、先進的開源文本到圖像模型
網站服務：DeepFloyd Lab。
Contribute to deep-floyd/IF development by creating an account on GitHub.

我們介紹的 DeepFloyd IF 是一種新穎、先進的開源文本到圖像模型，具有高度的逼真性和語言理解能力。DeepFloyd IF 是一個模塊，由一個凍結文本編碼器和三個級聯像素擴散模塊組成：一個基本模型，根據文本提示生成 64×64 px 的圖像；兩個超分辨率模型，分別用于生成分辨率不斷提高的圖像：256×256 px 和 1024×1024 px。該模型的所有階段都使用基于 T5 變換器的凍結文本編碼器來提取文本嵌入，然后將其輸入到具有交叉注意力和注意力池增強功能的 UNet 架構中。結果是一個高效的模型，其性能超過了目前最先進的模型，在 COCO 數據集上獲得了 6.66 分的零鏡頭 FID 分數。我們的工作強調了大型 UNet 架構在級聯擴散模型第一階段的潛力，并描繪了文本到圖像合成的美好前景。

DeepFloyd Lab網址入口

https://github.com/deep-floyd/IF

OpenI小編發現DeepFloyd Lab網站非常受用戶歡迎，請訪問DeepFloyd Lab網址入口試用。