文生图模型排行-WayToAGI

回答

以下是一些常见的文生图模型排行及相关介绍：

Kolors：最近开源的文生图模型中表现出色。从技术报告来看，有更强的中文文本编码器、机造的高质量文本描述、人标的高质量图片、强大的中文渲染能力，以及巧妙的 noise schedule 解决高分辨率图加噪不彻底的问题。实测效果不错，体现了快手的技术实力。
基于 Diffusion Model 的代表模型：
- Stable Diffusion
- Midjourney
- GLIDE
- DALL-E 2
- DALL-E 3 发展阶段为 2022 年至今，受益于开源模式和参数量较少，研究成本相对低，在学术界和工业界的传播和迭代速度快。其原理是通过连续添加高斯噪声来破坏训练数据，然后通过消除噪声来学习如何重建数据。
基于自回归模型（Auto-regressive Model）的代表模型：
- DALL-E
- CogView
- CogView2
- Parti
- CM3leon 发展阶段为 2020 年至今，囿于闭源模式和参数量较大，研究成本高，迭代速度慢于 Diffusion Model。其原理是 Encoder 将文本转化成 token，经特征融合后，由训练好的模型 Decoder 输出图像。
Red_Panda：文生图模型黑马，霸榜 Hugging Face，超越了 Midjourney、Flux 等。

内容由 AI 大模型生成，请仔细甄别（powered by aily）

参考资料

Kolors可以说是最近开源的文生图模型中最给力的一个了。从技术报告来看，改进也是很全面的，更强的中文文本编码器、机造的高质量文本描述、人标的高质量图片、强大的中文渲染能力，以及巧妙的noise schedule解决高分辨率图加噪不彻底的问题。可以说是目前主流的文生图训练技巧都用上了，实测效果也确实很不错。在看到Kling视频生成的强大表现，不得不让人赞叹快手的技术实力。

质朴发言：一文纵览文生图/文生视频技术发展路径与应用场景｜Z 研究第 1 期

基于Diffusion Model3.1.发展阶段：2022年至今，受益于开源模式和参数量较少，研究成本相对低，在学术界和工业界的传播和迭代速度快3.2.原理：Diffusion Model通过连续添加高斯噪声来破坏训练数据，然后通过消除噪声来学习如何重建数据3.3.代表模型：Stable Diffusion、Midjourney、GLIDE、DALL-E 2、DALL-E 3基于自回归模型（Auto-regressive Model）4.1.发展阶段：2020年至今，囿于闭源模式和参数量较大，研究成本高，迭代速度慢于Diffusion Model4.2.原理：自回归模型Encoder将文本转化成token，经特征融合后，由训练好的模型Decoder输出图像4.3.代表模型：DALL-E、CogView、CogView2、Parti、CM3leon

10月盘点：AI 行业大事记

文生图模型黑马Red_Panda霸榜Hugging Face，把一众老前辈Midjourney、Flux全部踩在脚下。[报道@机器之心](https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650941110&idx=2&sn=5115eccaeb0fc9158b4f5d75223089a7&scene=21#wechat_redirect)