PixArt-Σ是什么

PixArt-Σ是由来自华为诺亚方舟实验室、大连理工大学和香港大学的研究人员推出的一个基于扩散Transformer架构（DiT）的文生图模型，专门设计用于从文本提示直接生成可达4K分辨率的高质量图像。该模型是在PixArt-α的基础上，通过整合高级元素和采用由弱到强式训练方法得到的更加强大的模型，不仅提高了生成图像的保真度，还改善了图像与文本提示之间的对齐程度。PixArt-Σ的生成图像在美学质量上与当前顶级的文本到图像产品不相上下，如DALL·E 3和Midjourney V6，并且在遵循文本提示方面表现出色。