每天听简报,了解最新科技、AI、软件资讯
开发者展示了离散扩散语言模型在像素画生成上的新玩法。这个名为 Tessera small 的开源小模型只有四千七百六十万参数,它把一张十六乘十六的像素精灵图当成两百五十六个词元,每个像素直接对应五百一十二色调色板里的一个词元。在 CLIP 文本引导下,它不用变分自编码器、潜空间或自回归,而是从全遮罩画布出发,大约十六步就能并行揭开所有像素。该模型仅用单张显卡在约一百四十万张素材上训练五个半小时,现已量化成 int8 ONNX 格式,可在浏览器通过 WebGPU 实时看它一格格填满画布。
进度保存在本设备 · 登录同步