DeepFloyd Lab

DeepFloyd Lab官網(wǎng)

一種新穎、先進(jìn)的開源文本到圖像模型
網(wǎng)站服務(wù)：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(jìn)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(jié)文本編碼器和三個級聯(lián)像素擴(kuò)散模塊組成：一個基本模型，根據(jù)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(jié)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(qiáng)功能的 UNet 架構(gòu)中。結(jié)果是一個高效的模型，其性能超過了目前最先進(jìn)的模型，在 COCO 數(shù)據(jù)集上獲得了 6.66 分的零鏡頭 FID 分?jǐn)?shù)。我們的工作強(qiáng)調(diào)了大型 UNet 架構(gòu)在級聯(lián)擴(kuò)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(wǎng)址入口

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

OpenI小編發(fā)現(xiàn)DeepFloyd Lab網(wǎng)站非常受用戶歡迎，請?jiān)L問DeepFloyd Lab網(wǎng)址入口試用。