商汤绘画大模型 RAPHAEL 出手即大作，击败 Stable Diffusion XL

商汤大模型团队提出的文生图大模型 RAPHAEL，可以生成具有高度艺术风格或者摄影风格的图片，速度极快。RAPHAEL 通过 Space-MoE、Time-MoE 和 Edge-supervised learning 三个组件实现。

Space-MoE 找出了文本中每一个 token 在图片中对应的区域，用不同的 expert 来处理不同的区域，最后融合;Time-MoE 使得模型能够在不同的 timestep 上选择不同的 expert，形成一系列的 diffusion path，用于绘画不同类别的名词、动词或形容词;Edge-supervised learning 模块使用物体的轮廓纹理来监督 attention 模块的学习。

RAPHAEL在 FID 指标上击败了 Stable Diffusion 和 DALL-E2，同时在图文匹配度和生成质量上超过了其他模型。

来源：站长之家

​Read More