CogView3 est un système de génération d'images à partir de texte basé sur la diffusion en cascade, utilisant un cadre de diffusion par relais. Ce système décompose le processus de génération d'images haute résolution en plusieurs étapes. Il ajoute du bruit gaussien aux résultats de génération basse résolution via un processus de sur-résolution par relais, puis démarre un processus de diffusion à partir de ces images bruitées. CogView3 surpasse SDXL en matière de génération d'images, offrant une vitesse de génération plus rapide et une qualité d'image supérieure.