阿里通义实验室推出一个零样本、通用且交互式的视觉生成框架ChatDiT：允许用户通过自由形式的自然语言指令与系统交互，创建交织文本-图像文章、多页画册、编辑图像 近年来，预训练扩散Transformer（DiTs）在上下文生成能力方面展现了巨大的潜力，能够以最小的架构修改或无需修改的情况下无缝适应多样化的视觉任务。这些能力通过跨多个输入和目标图像的自注意力令牌... 新技术# ChatDiT# 视觉生成框架 2个月前01210
