智譜開源文生圖模型CogView3-Plus，相關功能上線智譜清言App
2024-10-15 01:35:38 4
IT之家 10 月 14 日訊息，智譜技術團隊今天宣佈開源文生圖模型 CogView3 及 CogView3-Plus-3B ，該系列模型的能力已經上線“智譜清言”App。
據介紹，CogView3 是一個基於級聯擴散的 text2img 模型，其包含如下三個階段：
第一階段：利用標準擴散過程生成 512x512 低解析度的影象。
第二階段：利用中繼擴散過程，執行 2 倍的超解析度生成，從 512x512 輸入生成 1024x1024 的影象。
第三階段：將生成結果再次基於中繼擴散迭代，生成 2048×2048 高解析度的影象。
官方表示，在實際效果上，CogView3 在人工評估中比目前最先進的開源文字到影象擴散模型 SDXL 高出 77.0%，同時只需要 SDXL 大約 1/10 的推理時間。
CogView3-Plus 模型則在 CogView3（ECCV'24）的基礎上引入了最新的 DiT 框架，以實現整體效能的進一步提升。據介紹，其採用 Zero-SNR 擴散噪聲排程，並引入了文字-影象聯合注意力機制。與常用的 MMDiT 結構相比，它在保持模型基本能力的同時，有效降低訓練和推理成本。CogView-3Plus 使用潛在維度為 16 的 VAE。
IT之家附地址如下：
開源倉庫地址：
https://github.com/THUDM/CogView3
Plus 開源模型倉庫：
https://huggingface.co/THUDM/CogView3-Plus-3B
https://modelscope.cn/models/ZhipuAI/CogView3-Plus-3B
本站內容由互聯網用戶自發貢獻，該文觀點僅代表作者本人。本站僅提供信息存儲空間服務，不擁有所有權，不承擔相關法律責任。如發現本站有涉嫌抄襲侵權/違法違規的內容,請發送郵件至舉報，壹經查實，本站將立刻刪除。