Submitted on 23 May 2022

Text-to-Image Diffusion Model

Google Research Brain Teamは実装を公開していない

コミュニティの実装がある

DALL·E 2よりCOCOデータセットでのFIDが良い

paper https://imagen.research.google/paper.pdf

https://github.com/lucidrains/imagen-pytorch を使ってShadowverseのイラスト3500枚を学習

学習にRTX3090を使っても足りないので1回の超解像（収束していない）までの不完全版で実行。1週間。

超解像には別途 https://github.com/xinntao/Real-ESRGAN を利用

paperではTPU 256枚で数日

解説