图片质量媲美Midjourney

要点:PixArt-α是一款基于Transformer的文本到图像生成模型，具有竞争力的图像生成质量，且训练成本明显低于现有大规模文本到图像模型。PixArt-α采用了三项核心设计:训练策略分解，高效的T2ITransformer，以及使用高信息密度的数据进行训练，从而实现高分辨率图像合成，并在训练成本上取得显著节约。