PIXART LCM est un framework de synthèse d'images texte-vers-image intégrant le modèle de cohérence latente (LCM) et ControlNet dans le modèle avancé PIXART-α. PIXART LCM est réputé pour sa capacité à générer des images de haute qualité à une résolution de 1024 px grâce à un processus d'entraînement efficace. L'intégration du LCM dans PIXART-δ a considérablement accéléré la vitesse d'inférence, permettant de générer des images de haute qualité en seulement 2 à 4 étapes. Il est particulièrement remarquable que PIXART-δ ait réalisé une avancée en générant des images de 1024x1024 pixels en 0,5 seconde, soit une amélioration de 7 fois par rapport à PIXART-α. De plus, PIXART-δ est soigneusement conçu pour un entraînement efficace sur un GPU V100 32 Go en une seule journée. Avec une capacité d'inférence 8 bits, PIXART-δ peut synthétiser des images de 1024 px avec une contrainte de mémoire GPU de 8 Go, augmentant considérablement sa convivialité et son accessibilité. En outre, l'intégration d'un module similaire à ControlNet permet un contrôle précis du modèle de diffusion texte-vers-image. Nous introduisons une nouvelle architecture ControlNet-Transformer, spécialement conçue pour les Transformers, permettant une contrôlabilité explicite et une génération d'images de haute qualité. En tant que modèle de génération d'images open source de pointe, PIXART-δ offre une alternative prometteuse à la famille des modèles de diffusion stables et contribue de manière significative à la synthèse d'images texte-vers-image.