PRX Part 3 — Training a Text-to-Image Model in 24h!

L’article décrit une expérience de training intensif en 24h d’un modèle de texte-vers-image en combinant x-prediction (prédiction directe en pixel), un contrôle de token par patch, et des pertes perceptuelles (LPIPS et DINOv2). Il montre comment booster la convergence et la qualité sous un budget compute serré, et open-source le code pour reproduire le protocole.

Source

HuggingFace Blog

Ingéré

03 MARS 2026 · 19:10

Score édito

5.0 / 5