Downcodes小編報：一個名為Meissonic的開源AI影像生成模型橫空出世，它只使用十億個參數，就能產生高品質影像，堪稱AI影像生成領域的輕量級巨頭！這得歸功於研發團隊（阿里巴巴、Skywork AI及多所大學的研究者）所採用的獨特變換器架構和新穎的訓練方法。 Meissonic不僅能在普通遊戲PC上運行，未來更有望在手機上實現在地化文字轉影像應用，這將大大降低AI影像產生的准入門檻。
最近，科學研究團隊共同推出了一款名為Meissonic 的開源AI 影像生成模型。驚喜的是，這款模型只使用了十億個參數，卻能產生高品質的影像。這種緊湊的設計讓Meissonic 有潛力在行動裝置上實現在地化的文字轉圖像應用。
這項技術的背後，研發團隊包括阿里巴巴、Skywork AI 以及多所大學的研究者。他們採用了一種獨特的變換器架構和新穎的訓練方法，使得Meissonic 能夠在普通遊戲PC 上運行，甚至未來可能在手機上使用。
Meissonic 的訓練方法採用了一種被稱為「遮蔽影像建模」 的技術，簡單來說，就是在訓練過程中會隱藏影像的一部分。模型學習如何根據可見的區域和文字描述來重建缺少的部分。這種方式幫助模型理解圖像元素和文字之間的關係。
Meissonic 的架構讓它能夠產生1024x1024像素的高解析度影像，無論是逼真的場景還是風格化的文字、表情包，甚至是卡通貼紙，都能輕鬆應付。
與傳統的自回歸模型逐步生成影像不同，Meissonic 則是透過並行的迭代優化來同時預測所有的影像訊息，這項創新顯著減少了解碼的步驟，大約減少了99% 的時間，大幅提升了影像生成的速度。
在模型的建構過程中，研究者們經歷了四個步驟:
首先，他們用2億張256x256像素的圖像教授模型基本概念;接著，用1000萬對經過嚴格篩選的圖像- 文本對提升其文本理解能力;然後，通過增加特殊的壓縮層，使得模型能夠輸出1024x1024像素的圖像;最後，他們進行了微調，結合人類偏好的數據來提升模型的性能。
有趣的是，儘管Meissonic 的參數量較小，但在多項基準測試中表現優於一些更大的模型，例如SDXL 和DeepFloyd-XL，其在「人類偏好分數」 上獲得了28.83的高分。此外，Meissonic 還能夠在不額外訓練的情況下進行影像的修補和擴展，讓使用者可以輕鬆添加缺少的影像部分或創造性地增強現有的影像。
研究團隊認為，這種方法可能會促進客製化AI 影像生成器的快速、低成本開發，也有望推動行動裝置上文字轉影像應用的發展。有興趣的朋友可以在Hugging Face 上找到演示版本，並在GitHub 上查看模型的程式碼，使用普通8GB 顯存的消費者GPU 便可輕鬆運行。
demo:https://huggingface.co/spaces/MeissonFlow/meissonic
項目:https://github.com/viiika/Meissonic
劃重點:
Meissonic 是一款僅用十億個參數就能產生高品質影像的開源AI 模型，適合一般遊戲PC 和未來的行動裝置使用。
採用平行迭代優化的訓練方法，Meissonic 在影像生成速度上比傳統模型快99%。
? 儘管參數量小，Meissonic 在多項測試中表現超越更大模型，且能實現無訓練的影像修補和擴展功能。
總而言之，Meissonic 的出現為AI影像生成領域帶來了新的可能性，其輕量級設計和高效的性能值得期待！ Downcodes小編建議大家前往Hugging Face和GitHub體驗和探索這款強大的AI模型。