Rodin

Imagen 是由谷歌研发的系列图像生成模型（1-3），属于生成对抗网络 （GAN）和扩散模型（Diffusion Model）的一种新型实现。

PixArt-α 是由华为诺亚方舟实验室联合大连理工大学、香港大学、香港科技大学等多家学术和工业界机构共同研发的一种高效文本到图像生成模型。

Janus Pro 7B 是 DeepSeek 团队的开创性 AI 模型，将文本和图像能力结合在一个强大的系统中。基于 DeepSeek-LLM-7b-base，它具有先进的视觉编码，支持高达 384x384 的高分辨率图像处理。

ControlNet 不是独立的图像生成模型。相反，它是一个功能强大的附加组件，可与其他模型（如 Stable Diffusion）配合使用。它让你可以对生成的图像的结构和组成进行令人难以置信的控制。

DeepFloydIF 是 Stability AI 推出的一款强大的文本到图像模型，基于 T5-XXL 语言模型，能精确生成图像并理解文本提示。 模型采用级联像素扩散方法，在 COCO 数据集上表现优越，具有高度写真性和文本集成能力。

CM3Leon 是 Meta AI 开发的先进生成式 AI 模型，能够高效地生成和编辑文本与图像。它采用统一的架构，实现了文本到图像、图像到文本以及文本引导的图像编辑等多种功能，并在性能和计算效率方面都取得了显著的突破，为多模态 AI 的未来发展指明了方向。