إيماجن

نموذج انتشار من جوجل لتحويل النص إلى صور، يستخدم نموذجاً لغوياً كبيراً مجمَّداً (T5-XXL) لترميز الوصف، ثم سلسلة من نماذج الانتشار لتوليد الصورة ورفع دقّتها تدريجياً، محقّقاً وفاءً نصياً وواقعية عالية جداً.

A Google text-to-image diffusion model that encodes the prompt with a frozen large language model (T5-XXL) and then uses a cascade of diffusion models to generate the image and progressively upscale it, achieving very high text fidelity and photorealism.