🔥Новая Text-to-image модель ERNIE-ViLG 2.0 дает прикурить Dalle-2 и SD! Baidu сделали новую модель, результаты которой просто ошеломляют! Это результаты моих генераций без черепика! Ни SD, ни DALLE-2 так не умеет. За основу взята архитектура Unet от SD, но с приколами: - Mixture of Denoising Experts: Обучили 10 сеток вместо одной. Каждая отвечает только за определенные шаги диффузии. - Textual knowledge: Автоматически перевзвесили слова в запросе. Ключевые слова получают больший вес. - Visual knowledge: Во время обучения детектировали объекты на промежуточных результатах генерации и увеличивали вес функции потерь на регионах с объектами. В итоге вышла самая большая на планете модель text-2-im с 24 млрд параметров (×10 больше чем SD). * "flame, giant cat, girl, futuristic, high-definition, 3d, delicate face, cg sense, ancient style, beautiful, fine hair, upper body painting". Но лучше делать запрос на китайском. ❱❱ Статья ❱❱ Халявное Demo @artem