字节跳动
在人工智能领域，文生图技术正以前所未有的速度发展，不断突破创新。字节跳动的Infinity模型作为一颗璀璨的新星，在文生图领域展现出了惊人的实力和巨大的优势。
Infinity模型的卓越性能
Infinity模型源自字节跳动斩获NeurIPS最佳论文的VAR，是其衍生而来的文生图版本。它创新性地采用了BitwiseToken的自回归框架，抛弃了原有的“Index-wiseToken”，通过用+1或-1构成的细粒度的“BitwiseToken”预测下一级分辨率，让模型能够学到更细粒度的高频信号，从而使生成图像的细节更加丰富。同时，Infinity将词表扩展到无穷大，增大了ImageTokenizer的表示空间，大大提高了自回归文生图的上限。在模型大小扩展到20B后，Infinity在图像生成质量上取得了重大突破，直接击败了StabelDiffusion3等一众扩散模型。在推理速度方面，Infinity更是展现出了巨大的优势，完全继承了VAR的速度优势，2B模型上比同尺寸SD3快了3倍，比Fluxdev快14倍，8B模型上比同尺寸的SD3.5快了7倍，20B模型生成1024×1024的图像用时仅3s，比12B的FluxDev快将近4倍，为用户提供了高效快捷的图像生成体验。
突出AI的优势
Infinity模型的出现，进一步凸显了AI在文生图领域的强大优势。它不仅能够生成细节丰富、质量极高的图像，还能生成各种长宽比的图像，解决了VAR不支持动态分辨率的问题，这在很大程度上满足了用户多样化的需求。此外，Infinity还具有很强的scaling特性，随着模型的增大和训练资源的增加，其验证集损失稳步下降，验证集准确率稳定提升，能够生成语义结构、高频细节更好的图像。而且，Infinity提出的比特自我矫正技术，让视觉自回归文生图模型具有了自我矫正的能力，缓解了自回归推理时的累计误差问题，进一步提高了图像生成的准确性和稳定性。
国外公司的类似产品
在欧美地区，许多公司也在积极研发文生图模型，并取得了显著的成果。例如，马斯克的xAI公司在Grok中上线了文生图模型Aurora，其生成的图像效果逼真且高清，尤其是在人物图像的生成方面表现出色，引发了网友们的广泛关注和热议。虽然Aurora上线时间较短且其是否自研存在争议，但从网友们晒出的各种效果来看，它在对Prompt的理解能力和生成效果上都有一定的优势。此外，Getty Images与英伟达公司联合推出了一款全新的商业文生图AI模型，该模型基于英伟达的Edify模型架构，隶属于英伟达的Picasso平台。它在生成速度上实现了显著提升，能够在极短的时间内生成多张高质量的照片，同时还能更准确地捕捉和呈现用户输入的提示词，改进了4K采样和微调模型的能力，使得生成的图像更加细腻、逼真。
开源项目的详细阐述
Infinity模型的开源为文生图领域的研究和发展提供了宝贵的资源。其开源地址为https://github.com/FoundationVision/Infinity
体验网站为https://opensource.bytedance.com/gmpt/t2i/invite
在GitHub仓库中，Infinity的训练和推理代码、demo、模型权重均已上线，这使得研究人员和开发者可以深入了解模型的内部结构和工作原理，进行进一步的优化和创新。同时，也为广大用户提供了一个亲身体验Infinity模型强大功能的平台，促进了文生图技术的普及和应用。
Infinity模型的出现标志着文生图技术的又一次重大突破，其卓越的性能、突出的AI优势以及开源的特性，都为文生图领域的发展注入了新的活力。相信在未来，随着技术的不断进步，Infinity模型将不断完善和优化，为用户带来更加优质、高效的图像生成服务，同时也将推动整个文生图领域的发展和创新。
