PixArt-Sigma：华为发布的AI生图模型！ 可直出4K图像！

这个由华为诺亚方舟实验室联合多个研究机构共同开发的项目，推出了一款名为PixArt-Σ的扩散变换器模型（DiT），它能够直接根据文本提示生成高达4K分辨率的图像。

与之前的模型PixArt-α相比，PixArt-Σ在图像保真度和文本提示对齐方面都有了显著提升。它的训练效率也是一个亮点，通过从基础预训练开始，逐步引入更高质量的数据，实现了从“弱”到“强”的模型进化。

两大进步：

高质量训练数据：引入了更高质量的图像数据，配合更精确和详细的图像标题。

高效的令牌压缩：在DiT框架内提出了一个新的注意力模块，能够压缩键和值，显著提高效率，从而支持超高分辨率图像的生成。

这些改进使得PixArt-Σ在模型大小（0.6B参数）上远小于现有的文本到图像扩散模型，如SDXL（2.6B参数）和SD Cascade（5.1B参数），同时在图像质量和用户提示遵循能力上都有了显著提升。此外，PixArt-Σ生成4K图像的能力，为电影和游戏等行业的高质量视觉内容制作提供了强大支持。

项目地址：

https://pixart-alpha.github.io/PixArt-sigma-project/