ERNIE-Image: відкрита модель Baidu для генерації зображень з тексту

TL;DR

• •ERNIE-Image розроблена Baidu.
• •Це модель для генерації зображень з тексту.
• •Вона побудована на Diffusion Transformer (DiT).
• •Має 8 мільярдів параметрів.
• •Досягає state-of-the-art продуктивності серед відкритих моделей.

Як це змінить ваш ринок?

Для маркетингу та медіа це відкриває можливість безкоштовно генерувати зображення для контенту, знімаючи обмеження бюджету на стокові фотографії та ілюстрації. Головний блокер — потреба у великих обчислювальних ресурсах для навчання та використання.

Diffusion Transformer (DiT) — архітектура нейронної мережі, яка використовується для генерації зображень шляхом поступового додавання шуму до зображення, а потім видалення цього шуму.

Для кого це і за яких умов

Для дослідників та ентузіастів з доступом до потужних GPU. Для комерційного використання потрібна ліцензія Baidu. Розгортання може зайняти від кількох годин до кількох днів, залежно від досвіду.

Альтернативи