本文へスキップ

CogView3

段階的な拡散によるテキストから画像への生成

公式サイトを見る

CogView3 とは

CogView3 は段階的拡散によるテキストから画像への生成システムと紹介され、中継の超解像で高解像度の生成を複数の段に分けると説明されている。

できること

  • テキストから 512x512 の画像を生成する
  • 結果に 2 倍の超解像をかける
  • 512 から 2048 の範囲で画像を生成する

仕組みについて

  • 低解像度の結果にガウスノイズを加える
  • Zero-SNR のノイズのスケジュールが挙がる
  • 連合注意と 16 次元の VAE が挙がる
  • 資料は SDXL より速く画像品質が高いと説明

長所と短所

✓ 良い点

  • 2 倍の超解像生成が挙がる
  • テキストと画像の連合注意と VAE が挙がる

! 注意したい点

  • 生成は複数の段に分かれる
  • 拡散はノイズを加えた低解像度の結果から始まる

よくある質問

どの枠組み?

資料は段階的拡散と中継拡散の枠組みを説明。

解像度は?

資料は 512x512・2 倍超解像・512 から 2048 の範囲を挙げる。

最終評価日: 2026-11-15

その他 AI画像生成 ツール

すべて見る →

評価方法