Google Brain team 推出的文本到图像生成模型，具有前所未有的写实主义程度和深度的语言理解。
我们提出了Imagen，一个文本到图像的扩散模型，具有前所未有的写实主义程度和深度的语言理解。Imagen建立在理解文本的大型变压器语言模型的基础上，并依赖于在高保真图像生成中扩散模型的强度。我们的关键发现是，在纯文本语料库上进行预训练的通用大型语言模型(例如T5)在编码用于图像合成的文本方面惊人地有效:在Imagen中增加语言模型的大小比增加图像扩散模型的大小更能提高样本保真度和图像-文本对齐。
数据统计
类似工具
暂无评论...
AIG123-AI工具导航，汇集全网2000+热门AI工具网址，每日更新最新AI产品，助您找到最适合的AI工具！Ctrl+D 或 ⌘+D 收藏本站到浏览器书签栏。
京公网安备11010502052249号