IT之家10月14日消息，智谱技术团队今天宣布开源文生图模型CogView3及CogView3-Plus-3B，该系列模型的能力已经上线“智谱清言”App。

据介绍，CogView3是一个基于级联扩散的text2img模型，其包含如下三个阶段：

第一阶段：利用标准扩散过程生成512x512低分辨率的图像。

第二阶段：利用中继扩散过程，执行2倍的超分辨率生成，从512x512输入生成1024x1024的图像。

第三阶段：将生成结果再次基于中继扩散迭代，生成2048×2048高分辨率的图像。

官方表示，在实际效果上，CogView3在人工评估中比目前最先进的开源文本到图像扩散模型SDXL高出77.0%，同时只需要SDXL大约1/10的推理时间。

CogView3-Plus模型则在CogView3（ECCV/'24）的基础上引入了最新的DiT框架，以实现整体性能的进一步提升。据介绍，其采用Zero-SNR扩散噪声调度，并引入了文本-图像联合注意力机制。与常用的MMDiT结构相比，它在保持模型基本能力的同时，有效降低训练和推理成本。CogView-3Plus使用潜在维度为16的VAE。

IT之家附地址如下：

开源仓库地址：

https://github.com/THUDM/CogView3

Plus开源模型仓库：

https://huggingface.co/THUDM/CogView3-Plus-3Bhttps://modelscope.cn/models/ZhipuAI/CogView3-Plus-3B

未经允许不得转载：头条资讯网_今日热点_娱乐才是你关心的时事 » 智谱开源文生图模型 CogView3-Plus，相关功能上线智谱清言 App