独立开发者开源DiffusionGemma图像管线

一名独立开发者将 Google 的文本扩散模型 DiffusionGemma 改造成总参数量不足 3 亿的图像生成模型，并开源完整的文生图与图像处理训练、推理管线，定位为“抽象表现主义”图像生成。 改造的关键包括预填充图像生成工具提示词、修补 Transformers 图像注意力上游缺陷（PR #50684），以及利用模型一次输出的 256 个 token 视觉表示进行域内块自回归。开发者自称团队仅一人，并使用大量大语言模型辅助。

AI 根据报道生成 · 25 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。