Lumina-T2X: Transforming Text into Any Modality, Resolution, and Duration via Flow-based Large Diffusion Transformers 公和众和号：EDPJ（进 Q 交流群：922230617 或加 VX：CV_EDPJ 进 V 交流群） 目录 0. 摘要 2. 方法 2.1 重新审视

接上文【文末附gpt升级方案】Lumina-T2X：大型扩散DiTs在多模态内容生成中的新篇章-CSDN博客 Lumina-T2X是一个创新的多模态内容生成模型，其应用领域广泛，特别是在需要生成多种类型媒体内容的应用场景中表现突出。以下是Lumina-T2X在主要领域的应用概述： 图像生成： Lumina-T2X的系列模型之一，Lumina-T2I，展示了出色的图像生成质量。该模型可以生成任意

Lumina-T2X 是一个新的内容生成系列模型，统一使用 DiT 架构。通过文本生成图像、视频、多视角 3D 对象和音频剪辑。 可以在大幅提高生成质量的前提下大幅减少训练成本，而且同一个架构支持不同的内容生成。图像质量相当不错。 由 50 亿参数的 Flag-DiT 驱动的 Lumina-T2I，其训练计算成本仅为同类 6 亿参数模型的 35%。 目前放出了 Lumina-T2I 图像生成