Make-A-Scene
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- Meta AI
- Tipo de Organización
- Industry
- País
- United States of America
- Publicado
- 24 March 2022
- Autores
- Oran Gafni, Adam Polyak, Oron Ashual, Shelly Sheynin, Devi Parikh, Yaniv Taigman
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Image generation
- Tarea
- Image generation, Text-to-image
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- parámetros
- 4B
- Datos de entrenamiento
- 267,386,880,000 tokens
"Experiments were performed with a 4 billion parameter transformer, generating a sequence of 256 text tokens, 256 scene tokens, and 1024 image tokens, that are then decoded into an image with a resolution of 256 × 256 or 512 × 512 pixels (depending on the model of choice)"
"The scene-based transformer is trained on a union of CC12m [7], CC [51], and subsets of YFCC100m [55] and Redcaps [10], amounting to 35m text-image pairs." "The models were trained for a total of 170k iterations, with a batch size of 1024" "Experiments were performed with a 4 billion parameter transformer, generating a sequence of 256 text tokens, 256 scene tokens, and 1024 image tokens, that are then decoded into an image with a resolution of 256 × 256 or 512 × 512 pixels (depending on the m…
Cómputo de entrenamiento
La aritmética realizada para entrenar el modelo, medida en operaciones de punto flotante. Es una medida de lo que costó la ejecución del entrenamiento, no de qué tan rápido te responde el modelo terminado.
- Cómputo de entrenamiento
- 6.4 × 10²¹ FLOP
- Cómo se estableció
- Operation counting
6 FLOP / parameter / token * 4 * 10^9 parameters * 267386880000 tokens [see dataset size notes] = 6.4172851e+21 FLOP
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.
- Pesos
- Closed — provider access only
- Acceso al modelo
- Unreleased
- Código de entrenamiento
- Unreleased
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Por qué se rastrea
- SOTA improvement
- Confianza de registro
- Likely
"FID is calculated over a subset of 30k images generated from the MS-COCO validation set text prompts with no reranking, and provided in Tab. 4.6. The evaluated models are divided into two groups: trained with and without (denoted as filtered) the MS-COCO training set. In both scenarios our model achieves the lowest FID."
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Make-A-Scene: Scene-Based Text-to-Image Generation with Human Priors
- Última actualización
- 28 November 2025
Qué significan los números
Fondo
Make-A-Scene fue publicado por Meta AI, en el país registrado como United States of America, durante March 2022. La categoría en la que se encuentra el editor es industry.
Funciona en el dominio de Image generation, y se registra como realizando la tarea de image generation, Text-to-image.
Sus pesos nunca fueron publicados, por lo que solo se puede acceder a través de su proveedor. No hay cambios en la tarjeta gráfica que eso.
Entrenamiento y procedencia
El entrenamiento consumió alrededor de 6.4 × 10²¹ FLOP. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
El entrenamiento consumió un corpus de alrededor de 267,386,880,000 tokens de texto
La razón por la que aparece en este catálogo en absoluto: sOTA improvement.
Respuestas
Make-A-Scene — preguntas comunes
Make-A-Scene— ¿cuándo fue lanzado?
Se publicó en March 2022. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.
Make-A-Scene— ¿Para qué se utiliza?
Funciona en el dominio de Image generation, y se registra como manejando la tarea de image generation, Text-to-image. Un modelo puede manejar varios de cada uno, así que estas son las áreas para las que fue construido en lugar de un límite en lo que intentará.
Make-A-Scene— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 6.4 × 10²¹ FLOP. Eso mide cuánto costó producir el modelo y no dice nada sobre cuán rápido responde una vez entrenado — la velocidad de inferencia proviene del ancho de banda de memoria, no del presupuesto de entrenamiento.
Make-A-Scene— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
Make-A-Scene— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
Make-A-Scene— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 4B. "Experiments were performed with a 4 billion parameter transformer, generating a sequence of 256 text tokens, 256 scene tokens, and 1024 image tokens, that are then decoded into an image with a resolution of 256 × 256 or 512 × 512 pixels (depending on the model of choice)". Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.
Make-A-Scene— ¿Quién lo creó?
Fue publicado por Meta AI, basado en United States of America, una organización categorizada como industry.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.