跳到正文

CogView

用 Transformer 从普通语言描述生成图像

访问官网

CogView 是什么

CogView 被介绍为一个用于通用领域文本到图像生成的预训练 Transformer 模型,含 410 亿参数。

你可以用它做什么

  • 从普通语言描述生成匹配图像
  • 用中文或英文输入描述
  • 用超分辨率提升图像质量

应用场景

  • 生成一只胖乎乎的猫坐在桌子上的图像
  • 生成一朵粉色玫瑰花在阳光下盛开
  • 生成蓝天中飘过的一群白云

优点与缺点

✓ 我们认可的地方

  • 支持超分辨率提升图像质量
  • 支持后期筛选生成样本

! 需要留意的地方

  • 训练用 PB-relax 和 Sandwich-LN 稳定大模型
  • 预训练之后还需在特定域微调

常见问题

有多少参数?

资料说明模型包含 410 亿参数。

支持哪些输入语言?

资料列出中文和英文。

最后评测: 2026-11-15

更多 AI 图像生成 工具

查看全部 →

评测方法