DiT-XL/2 + Discriminator Guidance
Aucune estimation
Aucune exigence matérielle pour ce modèle
Les poids de ce modèle n'ont pas été publiés, donc il ne peut pas être téléchargé ou exécuté sur votre propre matériel à aucune taille. Il n'est accessible que par l'intermédiaire de son fournisseur, et aucun changement de carte graphique ne modifie cela..
Enregistrement
Spécifications complètes
Tout est enregistré pour ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — un contexte utile pour juger combien de travail a été investi, et comment il se compare avec des modèles construits à une échelle différente..
Origine
Qui a construit ce modèle, où, et quand il a été publié.
- Organisation
- Korea Advanced Institute of Science and Technology (KAIST),NAVER
- Type d'organisation
- Academia,Industry
- Pays
- Korea (Republic of)
- Publié
- 28 November 2022
- Auteurs
- Dongjun Kim, Yeongmin Kim, Se Jung Kwon, Wanmo Kang, Il-Chul Moon
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Image generation
- Tâche
- Image generation, Text-to-image
- Modèle de base
- DiT-XL/2
- Format numérique
- FP16
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui décide s'il convient à une carte graphique donnée.
- Données d'entraînement
- 327,978,752 tokens
- Époques
- 10
L'exécution de formation
Ce qu'il a physiquement fallu pour entraîner : quels chips, combien, pendant combien de temps, et ce que cela a tiré du secteur.
- Matériel d'entraînement
- NVIDIA A100
Disponibilité
Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui détermine si l'un des chiffres de la carte graphique sur cette page s'applique.
- Poids
- Closed — provider access only
- Accès au modèle
- Unreleased
- Code d'entraînement
- Open (non-commercial)
Attribution-NonCommercial-ShareAlike 4.0 International https://github.com/alsdudrla10/DG?tab=readme-ov-file I cannot see checkpoints / model weights in the repo
Comment il est classé
Étiquettes que le ensemble de données source applique lors du suivi de modèles notables, et à quel point il est confiant dans l'entrée.
- Pourquoi c'est suivi
- SOTA improvement
- Confiance d'enregistrement
- Unknown
- Citations
- 110
"Using our algorithm, we achive state-of-the-art results on ImageNet 256x256 with FID 1.83 and recall 0.64, similar to the validation data's FID (1.68) and recall (0.66)"
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Refining Generative Process with Discriminator Guidance in Score-based Diffusion Models
- Dernière mise à jour
- 25 May 2026
Ce que les chiffres signifient
D'où cela vient-il
DiT-XL/2 + Discriminator Guidance a été publié par Korea Advanced Institute of Science and Technology (KAIST),NAVER, dans le pays enregistré comme Korea (Republic of), durant November 2022. L'organisation de publication est catégorisée comme academia,Industry.
Il fonctionne dans le domaine de Image generation, et est enregistré comme exécutant la tâche de image generation, Text-to-image.
Il s'appuie sur DiT-XL/2. C'est la façon habituelle de produire un modèle spécialisé.
C'est un modèle fermé : les valeurs entraînées sont restées avec ceux qui les ont produites, et il n'y a pas de version locale à exécuter.
Comment il a été entraîné
L'entraînement a consommé un corpus d'environ 327,978,752 jetons de texte
La raison pour laquelle il apparaît dans ce catalogue. sOTA improvement.
Réponses
DiT-XL/2 + Discriminator Guidance — questions courantes
DiT-XL/2 + Discriminator Guidance— combien de paramètres cela a-t-il ?
Aucun nombre de paramètres n'a été publié pour cela, c'est pourquoi aucun chiffre de mémoire ou de vitesse n'apparaît sur cette page.
DiT-XL/2 + Discriminator Guidance— qui l'a créé ?
Il a été publié par Korea Advanced Institute of Science and Technology (KAIST),NAVER, basé sur Korea (Republic of), une organisation catégorisée comme academia,Industry.
DiT-XL/2 + Discriminator Guidance— quand a-t-il été publié ?
Il a été publié dans November 2022. La capacité par paramètre s'est considérablement améliorée depuis, donc un modèle plus récent de la même taille est souvent le meilleur usage du même matériel.
DiT-XL/2 + Discriminator Guidance— à quoi ça sert ?
Il fonctionne dans le domaine de Image generation, et est enregistré comme gérant la tâche de image generation, Text-to-image. Les modèles portent souvent plus d'un de chacun, et les tags décrivent l'objectif plutôt que les limites de capacité.
DiT-XL/2 + Discriminator Guidance— Quelle GPU ai-je besoin pour l'exécuter ?
Aucun. C'est un modèle fermé - ses poids n'ont jamais été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel à aucun prix. Il n'est accessible que par son fournisseur.
DiT-XL/2 + Discriminator Guidance— est-ce que c'est open source ?
Non. Ses poids n'ont pas été publiés, donc il n'existe que sous forme de service contrôlé par son propriétaire.
L'autre direction
Regardez-le de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez savoir tout ce qu'elle exécutera., commencez par le matériel à la place.