Make-A-Scene
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
- Meta AI
- Type d'organisation
- Industry
- Pays
- United States of America
- Publié
- 24 March 2022
- Auteurs
- Oran Gafni, Adam Polyak, Oron Ashual, Shelly Sheynin, Devi Parikh, Yaniv Taigman
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
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.
- paramètres
- 4B
- Données d'entraînement
- 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…
Calcul de formation
L'arithmétique effectuée pour entraîner le modèle, mesurée en opérations en virgule flottante. C'est une mesure du coût de l'exécution de l'entraînement, pas de la rapidité avec laquelle le modèle fini vous répond.
- Calcul de formation
- 6.4 × 10²¹ FLOP
- Comment cela a été établi
- Operation counting
6 FLOP / parameter / token * 4 * 10^9 parameters * 267386880000 tokens [see dataset size notes] = 6.4172851e+21 FLOP
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
- Unreleased
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
- 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."
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Make-A-Scene: Scene-Based Text-to-Image Generation with Human Priors
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
Contexte
Make-A-Scene a été publié par Meta AI, dans le pays enregistré comme United States of America, durant March 2022. La catégorie à laquelle appartient l'éditeur est industry.
Il fonctionne dans le domaine de Image generation, et est enregistré comme exécutant la tâche de image generation, Text-to-image.
Ses poids n'ont jamais été publiés, donc il ne peut être atteint que par son fournisseur. Aucun changement de carte graphique ne change cela.
Entraînement et provenance
L'entraînement a consommé environ 6.4 × 10²¹ FLOP. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
L'entraînement a consommé un corpus d'environ 267,386,880,000 jetons de texte
La raison pour laquelle il apparaît dans ce catalogue. sOTA improvement.
Réponses
Make-A-Scene — questions courantes
Make-A-Scene— quand a-t-il été publié ?
Il a été publié dans March 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.
Make-A-Scene— 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. Un modèle peut porter plusieurs de chacun, donc ce sont les domaines pour lesquels il a été conçu plutôt qu'une limite sur ce qu'il tentera.
Make-A-Scene— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 6.4 × 10²¹ FLOP. Cela mesure ce que coûte la production du modèle et ne dit rien sur la rapidité avec laquelle il répond une fois entraîné — la vitesse d'inférence provient de la bande passante mémoire, et non du budget d'entraînement.
Make-A-Scene— 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.
Make-A-Scene— 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.
Make-A-Scene— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres 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)". Ce chiffre est le total, et c'est ce qui détermine combien de mémoire le modèle nécessite — environ un demi-gigaoctet par milliard à la compression que la plupart des gens utilisent.
Make-A-Scene— qui l'a créé ?
Il a été publié par Meta AI, basé sur United States of America, une organisation catégorisée comme industry.
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.