Emu

MetaAI发布的Emu模型是一个高质量的文本生成图片大模型，它包含了两个阶段，预训练阶段使用11亿的图像文本数据集训练，然后再使用高质量的几千张数据集进行微调。这个模型的最大特点是提出了指令微调这个概念，可以用较少的高质量图片微调文本生成图像大模型，获得更高质量的输出结果，但是不丢失预训练获得的基础能力。

Emu的模型技术细节

Emu不是一个开源的模型，因此缺少很多细节，MetaAI在论文中表示，他们使用了一个11亿参数的很大的U-Net来做预训练。他们增加了模型中的channel size以及每个阶段堆叠的残差块数量来扩大U-Net网络。

U-Net 是一种深度学习网络，最初用于医学图像分割。它的特点是具有一个对称的“U”形结构，由两部分组成：收缩路径（用于捕获上下文信息）和扩展路径（用于精确定位）。这种结构使U-Net特别适合图像中精确位置信息的处理任务。U-Net被认为是一种高效且实用的网络，特别是在需要精确分割的应用场景中。

Emu的具体信息总结如下：

尽管MetaAI没有开源这个模型，但是论文中给出了模型的具体效果，十分震撼。而且作者将其与Stable Diffusion XL 1.0做了对比，认为Emu比SDXL 1.0好。在人工匿名评价中，68.4%的人更加喜欢Emu生成的结果。

Emu在线演示系统

尽管MetaAI没有开源这个模型，但是Meta却上线了一个免费的文本生成图片的系统：Imagine，目前可以免费使用，额度很高，速度很快，但是目前仅支持美国地区。

地址： https://imagine.meta.com/