Imagen

谷歌推出文本生成图像工具Imagen。作者认为图像生成成本高但理解成本低，自动化生成将冲击摄影行业，网络图片或大量由机器生成。Imagen用冻结T5理解文本，扩散模型生成图像，提升语言模型复杂度比提升扩散模型更有效，说明瓶颈在文本理解。还提出动态阈值、Efficient U-Net，达SOTA并发布新评测数据。出于安全考虑，谷歌未开源。