Deep floyd 是什么
Deep floyd 被介绍为一个开源文本到图像模型,由冻结文本编码器与级联的像素扩散模块组成。
架构说明
- 文本嵌入输入 UNet 架构
- 架构增强了交叉注意力和注意力池化
- 各阶段共用基于 T5 的编码器
输出阶段
- 第一阶段生成 64x64 图像
- 中间阶段达到 256x256
- 最后阶段达到 1024x1024
优点与缺点
✓ 我们认可的地方
- 资料给出 COCO 数据集上零样本 FID 得分 6.66
- 文本嵌入来自基于 T5 transformer 的编码器
! 需要留意的地方
- 资料描述的是一个开源模型
- 资料所述流程为级联结构
常见问题
列出哪些分辨率?
资料描述 64x64、256x256 和 1024x1024。
给出什么得分?
资料说明在 COCO 数据集上零样本 FID 为 6.66。
最后评测: 2026-11-15
更多 AI 图像生成 工具
查看全部 →-
123RF 带 AI 图像工具的素材库 免费 工具 文生图 图像编辑 抠图 图片放大 -
360智图 360 出品的图片搜索、授权与 AI 编辑 免费 工具 文生图 抠图 商品图 模型生成器 -
360鸿图 面向中文用户的图像生成,提示词用中文写 免费 工具 创作者工具 文生图 艺术生成器 图生图 -
a1.art 以滤镜驱动的图像生成与换脸 免费 工具 创作者工具 文生图 艺术生成器 -
AI Anime Generator 把照片与文字变成动漫风格图 免费增值 工具 创作者工具 文生图 图生图 图生视频 -
AI Art Generator 文字提示词生成原创画面草稿 免费增值 工具 创作者工具 文生图 图像编辑 艺术生成器