华为发布图像生成模型PixArt-\Sigma 可直出4K图像

CSS站长资源（ChinaZ.com）3月8日 消息:华为近日发布了一项名为 PixArt-\Sigma 的发布图像生成模型，该模型采用了 DiT 架构，图像K图可以直接生成4K 分辨率的生成图像。相比于其前身 PixArt-\alpha，模型PixArt-\Sigma 在图像保真度上有了明显的直出提升，并改善了与文本提示的发布一致性。

项目地址:https://top.aibase.com/tool/pixart

PixArt-\Sigma 的图像K图一个关键特点是其训练效率。借助 PixArt-\alpha 的生成基础预训练，它通过整合更高质量的模型数据，从"较弱"的直出基线逐步演变为"较强"的模型，这个过程被称为"弱到强训练"。发布

PixArt-\Sigma 的图像K图进步主要体现在两个方面:高质量的训练数据和高效的 Token 压缩。PixArt-\Sigma 结合了更高质量的生成图像数据，配对更精确和详细的模型图像标题，同时在 DiT 框架内提出了一个新的直出注意力模块，可以压缩键（Key）和值(Value)，显著提高效率，促进超高分辨率图像的生成。

由于这些改进，PixArt-\Sigma 以较小的模型规模（6亿参数）实现了优于现有文本到图像扩散模型(如 SDXL(26亿参数)和 SD Cascade(51亿参数))的图像质量和用户提示遵从能力。此外，PixArt-\Sigma 能够生成4K 图像，为创建高分辨率海报和壁纸提供了支持，有效地增强了电影和游戏等行业中高质量视觉内容的制作。