Mage-Flow: эффективная базовая модель нативного разрешения для генерации и редактирования изображений
Microsoft
Компактная система генерации/редактирования изображений на 4 млрд параметров с нативным разрешением, сочетающая Mage-VAE (токенизатор с одношаговым кодированием, снижающий стоимость токенизации более чем на порядок по сравнению с сильными публичными VAE) с диффузионным трансформером; вариант Turbo выполняет вывод за 4 шага, генерируя изображения 1024x1024 за 0,59 секунды на одном GPU, оставаясь конкурентоспособным по бенчмаркам.
Почему это важно
Показывает, что компактная модель (4 млрд параметров) может соответствовать по качеству более крупным системам генерации изображений, работая при этом на порядок дешевле — актуально для развёртывания генерации изображений на устройстве и с учётом затрат.
Важность: 2/5
Заметный, но инкрементальный исследовательский релиз, ориентированный на эффективность.