T2I擴(kuò)散模型PIXART-α：圖像生成質(zhì)量媲美Stable Diffusion

　　最近，文本到圖像(T2I)生成模型如DALLE2、Imagen和Stable Diffusion的發(fā)展，開啟了逼真圖像合成的新時(shí)代。這不僅對(duì)圖片編輯、視頻制作、3D素材創(chuàng)建等領(lǐng)域產(chǎn)生了深遠(yuǎn)影響，還為研究社區(qū)和企業(yè)提供了許多下游應(yīng)用的機(jī)會(huì)。

　　然而，這些復(fù)雜的模型需要巨大的計(jì)算資源來進(jìn)行訓(xùn)練。例如，訓(xùn)練SD v1.5需要6，000塊A100GPU，成本約為32萬美元。而更大的模型RAPHAEL，甚至需要60，000塊A100GPU，成本高達(dá)308萬美元。此外，訓(xùn)練會(huì)產(chǎn)生大量的二氧化碳排放，給環(huán)境造成了壓力，例如，RAPHAEL的訓(xùn)練會(huì)產(chǎn)生35噸的二氧化碳排放，相當(dāng)于一個(gè)人七年的排放量。

　　這種高昂的價(jià)格限制了研究社區(qū)和企業(yè)獲得這些模型，嚴(yán)重阻礙了人工智能生成內(nèi)容(AIGC)領(lǐng)域的發(fā)展。關(guān)鍵問題是，是否可以以更少的資源開發(fā)高質(zhì)量的圖像生成模型?

　　來自華為諾亞方舟實(shí)驗(yàn)室、大連理工大學(xué)、香港大學(xué)和香港科技大學(xué)的研究人員提出了PIXART-α，它顯著降低了訓(xùn)練成本，同時(shí)保持了與最新圖像生成器相匹敵的圖像質(zhì)量。他們提出了三個(gè)主要的設(shè)計(jì)思路:

　　首先，他們通過分解訓(xùn)練計(jì)劃，將文本到圖像生成問題劃分為三個(gè)簡(jiǎn)單的子任務(wù):學(xué)習(xí)自然圖像像素的分布、學(xué)習(xí)文本圖像對(duì)齊以及提高圖像的美觀度。通過使用低成本的類別條件模型初始化T2I模型，大幅降低了第一個(gè)子任務(wù)的學(xué)習(xí)成本。其次，他們提出了一個(gè)訓(xùn)練范例，包括在信息密度高的文本圖像對(duì)數(shù)據(jù)上進(jìn)行預(yù)訓(xùn)練，然后在更高審美質(zhì)量的數(shù)據(jù)上進(jìn)行微調(diào)，以提高訓(xùn)練效果。他們還使用交叉注意力模塊來注入文本條件，并簡(jiǎn)化了計(jì)算密集的類別條件分支，從而提高了效率。

　　此外，他們提出了一種重新參數(shù)化方法，可以讓修改后的文本到圖像模型直接導(dǎo)入原始類別條件模型的參數(shù)。這樣一來，他們可以利用ImageNet關(guān)于自然圖片分布的過去知識(shí)，為T2I Transformer提供合理的初始化，加速訓(xùn)練過程。

　　在高質(zhì)量信息方面，他們的研究揭示了現(xiàn)有的文本-圖像對(duì)數(shù)據(jù)集存在顯著缺陷，例如LAION。文本描述經(jīng)常受到嚴(yán)重的長(zhǎng)尾效應(yīng)影響(即很多名詞出現(xiàn)頻率極低)，而且缺乏信息內(nèi)容(通常只描述圖像中的一部分物體)。這些缺陷極大地降低了T2I模型訓(xùn)練的效果，需要數(shù)百萬次迭代才能獲得可靠的文本圖像對(duì)齊。他們建議使用最先進(jìn)的視覺-語言模型進(jìn)行自動(dòng)標(biāo)注，以在SAM上生成說明，從而克服這些問題。

　　SAM數(shù)據(jù)集具有大量多樣化的對(duì)象，這使其成為生成信息密度高的文本-圖像對(duì)的理想來源，更適合文本-圖像對(duì)齊學(xué)習(xí)。他們的聰明方法使其模型的訓(xùn)練非常高效，僅需675塊A100GPU天和26，000美元。與Imagen相比，他們的方法使用更少的訓(xùn)練數(shù)據(jù)量(0.2% vs. Imagen)和更短的訓(xùn)練時(shí)間(2% vs. RAPHAEL)。他們的訓(xùn)練費(fèi)用約為RAPHAEL的1%，為他們節(jié)省了約300萬美元。

　　關(guān)于生成質(zhì)量，他們的用戶研究試驗(yàn)顯示，PIXART-α提供了比當(dāng)前SOTA T2I模型、Stable Diffusion等更好的圖像質(zhì)量和語義對(duì)齊，此外，它在T2I-CompBench上的性能顯示出在語義控制方面具有優(yōu)勢(shì)。

　　他們預(yù)計(jì)，他們有效訓(xùn)練T2I模型的努力將為AIGC社區(qū)提供有用的見解，并幫助更多的獨(dú)立學(xué)術(shù)界或公司以更實(shí)惠的價(jià)格生成高質(zhì)量的T2I模型。

　　總之，PIXART-α具有以下特色和功能:

　　高質(zhì)量圖像生成:PIXART-α基于Transformer技術(shù)，能夠生成高質(zhì)量、藝術(shù)性強(qiáng)、高細(xì)節(jié)、廣角鏡頭的圖像，包括明亮的場(chǎng)景、鳥瞰圖、古城、幻想、華麗的光線、鏡面反射等。

　　低培訓(xùn)成本:與其他先進(jìn)的文本到圖像模型相比，PIXART-α的培訓(xùn)成本明顯降低，僅需相對(duì)較少的訓(xùn)練資源，從而顯著降低了培訓(xùn)過程中的時(shí)間和經(jīng)濟(jì)成本。

　　高分辨率圖像合成:PIXART-α支持高分辨率圖像的合成，可以生成高達(dá)1024px分辨率的圖像，這有助于滿足商業(yè)應(yīng)用的需求。

　　訓(xùn)練效率:該模型提出了一種訓(xùn)練策略分解，通過優(yōu)化不同的訓(xùn)練步驟來提高訓(xùn)練效率，包括像素依賴性、文本圖像對(duì)齊和圖像美學(xué)質(zhì)量的優(yōu)化。

　　CO2排放減少:PIXART-α的低培訓(xùn)成本也導(dǎo)致了較低的CO2排放，對(duì)環(huán)境友好，有助于減少碳排放。

　　支持文本-圖像對(duì)齊:該模型強(qiáng)調(diào)了文本-圖像對(duì)之間概念密度的重要性，并利用大型視覺語言模型自動(dòng)標(biāo)記密集的偽標(biāo)題以提高文本-圖像對(duì)齊的質(zhì)量。

　　控制功能:PIXART-α還提供了控制功能，允許用戶生成定制圖像，精確修改物體顏色等，以滿足特定需求。