是把U-Net换成Transformer吗？
【 在 lichleo 的大作中提到: 】
: 和扩散模型DALL-E技术结合一下，带上图像识别大模型，能很准确的根据描述生成图片，再根据对话进行调整就能令很多人期待。
--
FROM 218.12.17.*