LlamaGen

11个月前发布 14 0 0

LlamaGen是一个新的图像生成模型家族,它将大型语言模型的原始下一个token预测范式应用于视觉生成领域。该模型通过适当的扩展,无需对视觉信号的归纳偏差即可实现最先进的图像生成性能。LlamaGen重新审视了图像分词器的设计空间、图像生成模型的可扩展性属性以及它们的训练数据质量。

收录时间:
2025-05-29
LlamaGenLlamaGen

LlamaGen是一个新的图像生成模型家族,它将大型语言模型的原始下一个token预测范式应用于视觉生成领域。该模型通过适当的扩展,无需对视觉信号的归纳偏差即可实现最先进的图像生成性能。LlamaGen重新审视了图像分词器的设计空间、图像生成模型的可扩展性属性以及它们的训练数据质量。

数据统计

相关导航

FLUX.1-dev

FLUX.1-dev

FLUX.1-dev是一个拥有12亿参数的修正流变换器,能够根据文本描述生成图像。它代表了文本到图像生成技术的最新发展,具有先进的输出质量,仅次于其专业版模型FLUX.1 [pro]。该模型通过指导蒸馏训练,提高了效率,并且开放权重以推动新的科学研究,并赋予艺术家开发创新工作流程的能力。生成的输出可以用于个人、科学和商业目的,具体如flux-1-dev-non-commercial-license所述。
SliderSpace

SliderSpace

SliderSpace 是一项创新技术,旨在提高扩散模型的可控性和可解释性。它通过自动发现模型内部的视觉知识,将其分解为直观的滑块,用户可以通过这些滑块轻松调整图像生成的方向。该技术不仅能够揭示模型对不同概念的理解,还能显著提高图像生成的多样性。SliderSpace 的主要优点包括自动化发现方向、语义正交性和分布一致性,使其成为探索和利用扩散模型视觉能力的强大工具。该技术目前处于研究阶段,尚未明确具体的价格和商业定位。

暂无评论

您必须登录才能参与评论!
立即登录
none
暂无评论...