CogView-3-Plus是在CogView3（ECCV'24）基础上开发的图像生成模型，采用了最新的DiT框架以提升整体性能。该模型引入了零信噪比扩散噪声调度和联合文本-图像注意力机制，相较于传统的MMDiT结构，在保持基本能力的同时有效降低了训练和推理成本，并使用潜在维度为16的变分自编码器（VAE）。
参考：
https://github.com/THUDM/CogView3
点个分享、点赞与在看，你最好看~
CogView-3-Plus是在CogView3（ECCV'24）基础上开发的图像生成模型，采用了最新的DiT框架以提升整体性能。该模型引入了零信噪比扩散噪声调度和联合文本-图像注意力机制，相较于传统的MMDiT结构，在保持基本能力的同时有效降低了训练和推理成本，并使用潜在维度为16的变分自编码器（VAE）。
参考：
点个分享、点赞与在看，你最好看~
