कॉगव्यू एक पूर्व-प्रशिक्षित ट्रांसफॉर्मर मॉडल है जो सामान्य क्षेत्र पाठ से छवि निर्माण के लिए उपयोग किया जाता है। इस मॉडल में 410 करोड़ पैरामीटर हैं, जो उच्च-गुणवत्ता वाली और विविध छवियां उत्पन्न कर सकता है। मॉडल के प्रशिक्षण में अमूर्त से ठोस दृष्टिकोण अपनाया गया है, पहले सामान्य ज्ञान प्राप्त करने के लिए पूर्व-प्रशिक्षण (pretrain) किया जाता है, और फिर विशिष्ट क्षेत्र में छवियां उत्पन्न करने के लिए ठीक-ट्यूनिंग (finetune) की जाती है, जिससे उत्पादन की गुणवत्ता में उल्लेखनीय सुधार होता है। उल्लेखनीय है कि, शोध पत्र में बड़े मॉडल के स्थिर प्रशिक्षण में मदद करने के लिए दो तकनीकें भी प्रस्तावित की गई हैं: PB-रिलैक्स और सैंडविच-LN।