IF

DeepFloyd IF 是一个开源的级联式文本到图像生成模型，专注于高保真度与强语义理解能力。其采用冻结T5文本编码器+三级像素扩散架构（64×64→256×256→1024×1024），各阶段均通过交叉注意力融合文本特征，支持细粒度提示控制与高质量图像合成。模型在COCO数据集上实现6.66的零样本FID，显著优于同期同类方法。适用于对图像真实感、细节丰富度及提示遵循度要求较高的AI绘画、内容创作与研究验证等场景。