Stable Diffusion 3 模型的发布标志着文本到图像生成领域的一大进步。该模型采用了与Sora相同的DiT架构，并通过一系列技术改进显著提升了图像生成质量。其参数量范围从800M到8B不等，展现了强大的性能和灵活的应用潜力。值得关注的是，SD3的研发团队融合了Sora核心研发成员和纽约大学助理教授的专业知识，并采用了优于UViT和DiT的MMDiT架构，以及创新的Rectified Flow(RF)公式变体，这些都为模型的性能提升提供了坚实的基础。
Stable Diffusion 3 模型发布，采用了与 Sora 相同的 DiT 架构，质量有显著改进。作者表示，Stable Diffusion 3 优于其他文本到图像生成系统，参数量从 800M 到 8B 不等。SD3 架构基于 Sora 核心研发成员和纽约大学助理教授合作，使用 MMDiT 架构优于 UViT 和 DiT。Stable Diffusion 3 采用 Rectified Flow（RF）公式，作者提出的重新加权 RF 变体性能持续提高。模型进行了扩展研究，利用灵活的文本编码器进行改进，与其他模型进行了性能比较。
Stable Diffusion 3 的发布，不仅体现了文本到图像生成技术的快速发展，也预示着未来AI图像生成领域将涌现更多更强大的模型。 其改进的架构和算法，以及与其他模型的性能比较，为研究人员和开发者提供了宝贵的参考和借鉴。期待未来Stable Diffusion 3能够在更多应用场景中发挥作用。