在12G显卡上跑的,一张图大概70秒左右,总体下来中规中矩,但这是第一个,能在本地完成<番茄炒蛋>提示词的大模型,而且没很多错别字,算是里程碑了.
小字不错，的确挺难的。只是最终图也要好看才行。
开源小模型还挺有意思的,zimage人物好但智商不够,qwenimage构图好但有错别字,商汤1.5文字好别的能力都很普通.
现阶段想要十全十美还是很难,不知道年底能不能追上GPT-IMAGE
那，图生图涩涩这块……
IMG2还是最高的山啊，而且马上要IMG2.5了，似乎大幅改善了噪点伪影问题
除了胸,啥都没有,涂抹感严重,应该是没训练数据,要后期自己训练lora
NSFW
总结
那，图生图涩涩这块……