跳到正文

CogView3

基于级联扩散的文本到图像生成系统

访问官网

CogView3 是什么

CogView3 被介绍为一个基于级联扩散的文本到图像生成系统,通过中继超分辨率过程把高分辨率生成拆成多个阶段。

你可以用它做什么

  • 由文本生成 512x512 图像
  • 对结果进行 2x 超分辨率生成
  • 在 512 到 2048 的范围内生成图像

模型说明

  • 在低分辨率结果上添加高斯噪声
  • 资料列出 Zero-SNR 扩散噪声调度
  • 资料列出联合文本-图像注意力与 16 维 VAE
  • 资料称其生成速度更快、图像质量高于 SDXL

优点与缺点

✓ 我们认可的地方

  • 资料列出 2x 超分辨率生成
  • 资料列出联合文本-图像注意力机制与 VAE

! 需要留意的地方

  • 生成过程被拆分为多个阶段
  • 扩散从加入噪声的低分辨率结果开始

常见问题

使用什么框架?

资料说明它基于级联扩散并使用中继扩散框架。

列出哪些分辨率?

资料列出 512x512 生成、2x 超分辨率生成,以及从 512 到 2048 的图像生成。

最后评测: 2026-11-15

更多 AI 图像生成 工具

查看全部 →

评测方法