商汤大模型团队提出的文生图大模型 RAPHAEL，可以生成具有高度艺术风格或许拍摄风格的图片，速度极快。RAPHAEL 经过 Space-MoE、Time-MoE 和 Edge-supervised learning 三个组件完成。
Space-MoE 找出了文本中每一个 token 在图片中对应的区域，用不同的 expert 来处理不同的区域，最终交融;Time-MoE 使得模型可以在不同的 timestep 上挑选不同的 expert，构成一系列的 diffusion path，用于绘画不同类别的名词、动词或形容词;Edge-supervised learning 模块运用物体的概括纹路来监督 attention 模块的学习。
RAPHAEL在 FID 指标上打败了 Stable Diffusion 和 DALL-E2，一起在图文匹配度和生成质量上超过了其他模型。
来历：
站长之家