zh
红薯智语
每月不到10元,就可以无限制地访问最好的AIbase。立即成为会员
首页
AI资讯
AI日报
变现指南
AI教程
AI工具导航
AI产品库
zh
红薯智语
搜索全球AI产品动态
搜索全球AI信息,发现AI新机遇
新闻资讯
产品应用
变现案例
AI教程
类型 :
新闻资讯
产品应用
变现案例
AI教程
2024-10-23 10:27:58
.
AIbase
.
12.7k
秒杀SD?谷歌 DeepMind 新型图像生成模型Fluid性能更出色
谷歌 DeepMind 联合麻省理工学院(MIT)近日发布了一项重大研究成果。研究团队开发的新型自回归模型"Fluid"在文本到图像生成领域取得了突破性进展,该模型在扩展到105亿参数规模后,性能表现出色。这项研究颠覆了业界普遍认知。此前,自回归模型虽然在语言处理领域占据主导地位,但在图像生成方面一直被认为不如 Stable Diffusion 和 Google Imagen3等扩散模型。研究人员通过创新性地引入两个关键设计因素,显著提升了自回归模型的性能和可扩展性:采用连续型词元替代离散型词元,以及引入
2024-08-15 16:59:04
.
AIbase
.
11.1k
颠覆传统!Lumina-mGPT 可以从文本中创建逼真且高分辨率的图像
多模态生成模型正引领人工智能新潮流,专注于融合视觉与文本数据,以创造多功能AI系统,执行从图像生成到跨数据类型理解与推理的多种任务。其中,关键挑战是提升自回归(AR)模型能力,使其能根据文本描述生成高细节图像。尽管扩散模型在生成高质量图像方面表现出色,AR模型在图像质量、分辨率灵活性及多任务处理能力上相对滞后。上海AI实验室和香港中文大学的研究人员推出Lumina-mGPT,一种基于解码器-only的变换器架构,采用多模态生成预训练方法,旨在克服AR模型限制,实现与扩散模型同等水平的逼真图像生成,同时保持简便性和可扩展性。Lumina-mGPT采用详尽的灵活渐进的监督微调策略,增强图像生成能力,支持高分辨率图像生成(1024×1024像素),细节丰富且与文本提示高度一致。该模型在图像质量、视觉一致性及多种任务支持方面超越前代模型,仅需较小数据集即可实现卓越性能,预示未来AI系统将更加复杂与多才多艺。