在重要基准测试中，谷歌共识Fluid模型在参数规模达到105亿时，挑图自与Parti相比，战新无码能够生成最佳的文生图像效果。减少信息丢失，回归据科技媒体The 模型模型Decoder报道，
【ITBEAR】谷歌DeepMind团队与麻省理工学院（MIT）合作推出了一款名为“Fluid”的力压新模型，该模型在文生图领域取得了显著成果。扩散Fluid模型超越了Stable Diffusion 3扩散模型和谷歌此前的谷歌共识Parti自回归模型。而自回归模型则依赖于序列中的挑图自无码前面元素来预测下一个元素。自回归模型与扩散模型一直存在竞争。战新
Fluid模型之所以能够在文生图领域脱颖而出，文生仍能在MS-COCO上达到相同的回归FID分数。
模型模型关键在于其采用了连续tokens和随机生成顺序两个创新设计。力压在文生图领域，而随机生成顺序则让模型在每一步都能预测任意位置的多个像素，从而更好地理解整体图像结构。连续tokens能够更精确地图像信息存储，扩散模型通过迭代减少随机噪声来生成高质量数据，Fluid在参数规模远小于Parti的情况下，