DeepFloyd IF

DeepFloyd IF 是一个最先进的开源文本到图像模型，在照片真实感和语言理解方面具有很高的水平。它是一个模块化的，由一个冻结的文本编码器和三个级联的像素扩散模块组成：一个基础模型根据文本提示生成 64x64 像素的图像，以及两个超分辨率模型，每个模型设计用于生成更高分辨率的图像：256x256 像素和 1024x1024 像素。