Перейти в канал

Tg: habr.com

1
​Kandinsky 2.1, или Когда +0,1 значит очень много Решение о внесении изменений в архитектуру пришло после продолжения обучения версии Kandinsky 2.0 и попыток получить устойчивые текстовые эмбеддинги мультиязычной языковой модели mT5. Закономерным выводом стало то, что использование только текстового эмбеддинга было недостаточно для качественного синтеза изображения. После анализа существующего решения DALL-E 2 от OpenAI было принято решение поэкспериментировать с image prior моделью, одновременно оставаясь в парадигме латентного визуального пространства, чтобы не пришлось переобучать диффузионную часть UNet-модели Kandinsky 2.0.