Nylige fremskritt innen tekst-til-bilde-generering har vært drevet av diffusjonsmodeller, men enkelttrinnsmodeller står overfor utfordringer når det gjelder beregningseffektivitet og bildedetaljer. For å løse dette foreslår forfatterne CogView3, et kaskadet rammeverk som forbedrer tekst-til-bilde-diffusjon ved først å lage bilder med lav oppløsning og deretter bruke relébasert superoppløsning. Denne tilnærmingen resulterer i konkurransedyktige tekst-til-bilde-utganger samtidig som den reduserer trenings- og slutningskostnader. Eksperimentelle resultater viser at CogView3 utkonkurrerer dagens toppmoderne åpen kildekode tekst-til-bilde diffusjonsmodell, SDXL, med 77.0% i menneskelige evalueringer, og dens destillerte varianten oppnår sammenlignbar ytelse mens den bruker bare 1/10 av slutningstiden.

AI trekker mer og mer volum, cogview-3 Plus effekt omfattende oppgradering
Original Bag Algorithm Notes Bag Algoritme Notes
27. september 2024 10:01 Beijing
Kompisen min hos Smart Spectrum fortalte meg at deres nylige Vincennes-modell har blitt gjentatt igjen og igjen, oppgradert fra cogview-modell til cogview-3 Plus, og denne gangen er den helt i toppklasse.

Etter mitt inntrykk er cogview et produkt fra pre-large model-æraen, før fødselen av LLM, cogview-modeller representert av SD har drept det, men Kina starter og følger opp sent, ofte forstår ikke den kinesiske modellen kineserne, og lager mye harmonisk terreng.

For eksempel 'Squirrel Mandarin Fish

Bilder som 'Buddha hopper over veggen

Bilder som 'Donkey Meat Hotcakes


Bilder som Beer Duck


Dude sa, det er virkelig annerledes denne gangen, la meg vise deg en dame jeg genererte først.


Det er faktisk den slags følelse, fra detaljene, penselstrøkene, bildeoppfatningen, blir bedre og bedre. tilfelle ofte si mye tull, men den spesifikke anvendelsen av effekten er hvordan, fra alle dimensjoner av de ulike scenarier av de mange testresultatene å nøye vurdere.

Jeg sa, ikke skryt først, jeg har også et forfedres testsett, fra scenen, innhold, linse, stil, penselstrøk dekker mange vinkler, la meg torturere noen.

Oljemaleriprompt: et klassisk oljemaleri som viser en blond adelsdame i en nydelig blå kjole i stil med et oljemaleri.
Bilde

Photo Prompt: en rolig fjellsjø i svart-hvitt-stilen til Ansel Adams, med innsjøen som reflekterer den omkringliggende furuskogen. Morgentåke, bølgende bakker i det fjerne, og svakt morgenlys på himmelen.


Akvarellmelding: En brun kattunge som sover stille sammenkrøllet med myk, myk pels, veldig søt, akvarell.



Sketch Prompt: detaljert blyantskisse av en imponerende tiger, stående på en gresslette, med tett skog og fjell i bakgrunnen, hver muskellinje på dyret er etset i levende detaljer.


Crayon Prompt : En barnestifttegning av en familie, et rødt hus omgitt av en grønn eng, solen høyt på himmelen og fire smilende skikkelser som står foran døren og holder hendene på en barnlig måte.




Children's Picture Book Prompt: en side med bildebokillustrasjon for barn av en liten gutt som sitter på månen med en åpen bok i hånden, omgitt av en himmel full av stjerner, nattehimmelen avslører varme og ro. Bilder
Stamp Design Prompt: Et stempeldesign som viser en ørn som jakter, med en vidstrakt himmel i bakgrunnen og ørnens vinger spredt ut på en majestetisk måte.