论文页面 - i1：一种简单且完全开放的强文生图模型配方

来源：https://huggingface.co/papers/2606.11289

摘要

对文生图扩散模型的一项全面实验研究揭示了关键的设计选择与训练洞察，从而催生了 i1——一个拥有 3B 参数、在保持完全开放的同时达到顶尖性能的模型。

扩散模型一直是文生图领域持续进步的动力。然而，很难将近期进展归因于具体的建模和数据选择：最先进的开源权重模型提供的消融实验有限，且不公开其训练数据及完整的训练细节。研究社区需要完全开放（权重、数据、代码）的模型作为进一步研究的基础；然而，现有的完全开放模型在性能上与领先模型仍存在显著差距。在本项目中，我们通过 300+ 项控制实验 (https://huggingface.co/papers?q=controlled%20experiments)，总计 70 万+ TPU v6e 小时，对文生图扩散训练与推理中的建模和数据设计选择进行了系统性研究。我们的实验突出了若干实证发现（例如，在混合精选数据集时，等权重是一种强大的默认策略）和简单的设计决策（例如，更大的文本编码器适配器可以在增加极少参数的前提下提升性能），用于训练强大的模型。在这些洞察的指导下，我们训练了 i1——一个仅使用公开可用数据集 (https://huggingface.co/papers?q=publicly%20available%20datasets) 的 3B 参数文生图扩散模型。i1 在五个代表性基准（GenEval (https://huggingface.co/papers?q=GenEval)、DPG (https://huggingface.co/papers?q=DPG)、PRISM (https://huggingface.co/papers?q=PRISM)、CVTG-2K (https://huggingface.co/papers?q=CVTG-2K) 和 LongText (https://huggingface.co/papers?q=LongText)）上与领先模型竞争，并且在平均性能上超越现有最佳完全开放模型 29.5 个绝对百分点。我们提供 i1 的检查点、训练与推理代码以及数据处理流程。总之，我们的发现与 i1 配方为未来文生图扩散模型 (https://huggingface.co/papers?q=text-to-image%20diffusion%20models) 的开放研究奠定了实践基础。我们的代码可在 https://github.com/zlab-princeton/i1 获取。

查看 arXiv 页面 (https://arxiv.org/abs/2606.11289)查看 PDF (https://arxiv.org/pdf/2606.11289)项目页面 (https://zlab-princeton.github.io/i1/)GitHub38 (https://github.com/zlab-princeton/i1)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.11289)

在您的代理中获取此论文：

hf papers read 2606.11289

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型1

zlab-princeton/i1-3B 更新于约11小时前 • 6 (https://huggingface.co/zlab-princeton/i1-3B)

引用此论文的数据集2

zlab-princeton/i1-captions 查看器• 更新于约10小时前 • 167M • 2.63k • 4 (https://huggingface.co/datasets/zlab-princeton/i1-captions)

zlab-princeton/i1-gptedit-tfrecord 更新于约7小时前 • 172 (https://huggingface.co/datasets/zlab-princeton/i1-gptedit-tfrecord)

引用此论文的 Spaces1

包含此论文的收藏2