Mage-Flow: эффективная базовая модель нативного разрешения для генерации и редактирования изображений

Microsoft Research

исследования официальный 2 ист. ~1 мин

Mage-Flow — генеративная система на 4 млрд параметров, сочетающая лёгкий латентный токенизатор (Mage-VAE) с мультимодальным диффузионным трансформером нативного разрешения, генерирующая изображения от 512 до 2048 пикселей с произвольным соотношением сторон при 2,5-кратном ускорении обучения.

Почему это важно

Единая модель на 4 млрд параметров соответствует или превосходит значительно более крупные открытые системы, оставаясь при этом развёртываемой на потребительских GPU.

Важность: 3/5

Заметный результат по эффективности, но ниже порога в 100 лайков для бонуса (72 лайка).

image-generation diffusion image-editing text-to-image

Источники

официальный Mage-Flow on arXiv

официальный Mage-Flow on HuggingFace Daily Papers