本研究发现，对于扩大规模的文本到图像模型，跨向量关注的位置和数量对性能有差异性，增加Transformer模块比增加通道数量更有效。训练集的质量和多样性比大小更重要，增加标题密度和多样性可以提高对齐性能和学习效率。研究还提供了预测对齐性能的缩放函数。

本研究发现，扩大规模的T2I模型的性能受到跨向量关注的位置和数量的影响。增加Transformer模块对于提高对齐比更有效。训练集的质量和多样性比大小更重要，增加标题密度和多样性可以提高对齐性能和学习效率。提供了预测对齐性能的缩放函数，函数依赖于模型规模、计算和数据集大小。