Surjo-Image-Preview

Очередной микротрансформер на арихитектуре Looped DiT для генерации картинок 256×256 по тексту. 108 млн параметров, обучен с нуля на rectified flow matching.

Объекты и атрибуты даются лучше всего, позиции слабее, глаголы и точный счет почти не удаются. Текст рисует плохо, лица и руки ломаются вне распределения, подписи только на английском. Это финальные веса превью, полный релиз обещают с большим набором данных и доработанной архитектурой

Смотря что нужно. Модель крошечная и быстрая, поэтому её сильная сторона — там, где важна скорость и цена, а не финальное качество.

Где пригодится
• Черновики и превью: набросать композицию, цвет, настроение перед нормальной генерацией
• Пакетная генерация низкого разрешения: плейсхолдеры, фоны, текстуры, тайлы, мудборды

#compact #t2i

MAX