کیفیت تصاویری خروجیش خیلی عالیه که نشون میده ایده ای Latent Di | Tensorflow(@CVision)
کیفیت تصاویری خروجیش خیلی عالیه که نشون میده ایده ای Latent Diffusion خوب کار میکنه اما ارتباط اش با متن از اونی که توی مدل Imagen دیده بودیم خیلی کمتره. این مدل حجم Text Encoder اش تقریبا 10 برابر کوچیک تر از Imagen هست. مقاله Imagen اشاره کرده بود که حجم مدل Text Encoder خیلی مهمه و هر چقدر بزرگ تر باشه تصاویر خیلی مرتبط تری تولید می شه. اینجا می تونید چند تا از نمونه های خروجی Imagen رو ببینید و مقایسه کنید: https://imagen.research.google/
