导读
Imagen 使用大型文本编码器和 diffusion decoder，研究显示扩大 language model 对 image-text alignment 的收益尤其明显。它强化了一个后来被 GPT-native image generation 继续推进的方向：更强语言理解会改变视觉生成能力。
查看大图 ↗所链接文献 PDF 的第 2 页，保留原图与原语言。页面版本以来源文件为准；后来的修订或重印日期不替代节点的历史日期。
Chitwan Saharia et al. / Google Research · 原文献 · 图像权利归原权利人；不视为开放许可
资料出处 · Photorealistic Text-to-Image Diffusion Models with Deep Language Understanding ↗档案研究说明
文字编码器的规模也是图像生成问题。
ANTI-AI ARCHIVE · 修订 2026-10-02
研究方法与具体变化
Imagen把大型语言模型的文字理解与扩散图像合成结合，论文比较扩大文字编码器和扩大图像模型带来的变化，并提出DrawBench测试复杂文字条件。其人类偏好和指标结果对应所用基准；研究演示并不等于当时已经普遍开放的商业服务。
在艺术史中的位置
它表明视觉输出也受语言层的分类、关系与描述习惯影响。研究生成图像不能只分析图像训练材料，还要观察文字编码如何组织对象、属性和空间关系。
正文引用资料
核读作者或会议页面的摘要与版本记录；未通读全部证明或复现实验。
本篇按引用范围扩写档案说明；研究解释不应被理解为原作者的自述或已证实的因果影响。 正文与译文使用 AI 辅助，尚未经独立人工审校；分节引文标明依据，不代表已独立验证全部史实。
带着问题继续阅读
比较本条与CycleGAN：非配对图像转换之间的制作方法、控制方式或展示语境。
比较本条与Imagen 3：平台模型栈中的图像能力之间的制作方法、控制方式或展示语境。
日期与版本记录
节点标注日期：2022-05 · 来源记录的历史日期：2022-05
以上日期属于历史事件或资料所记版本，不是本站页面的上线日期；保留原有日期精度与待核事项。
原始资料与进一步阅读
以下链接通往来源的论文、文章、机构或会议页面。外部原文的语言以来源为准。
Photorealistic Text-to-Image Diffusion Models with Deep Language Understanding
https://arxiv.org/abs/2205.11487
当前引用地址
出处、翻译与核验状态
主线节点 #142 · 历史节点
研究资料与补充出处 · 3
AI 艺术谱系研究母版 · p. 25 · 083
原记日期: 2022-05
Imagen：深层语言理解与逼真图像生成 ↗
Photorealistic Text-to-Image Diffusion Models with Deep Language Understanding
生成式视觉发布编年研究母版 · p. 5 · R020
原记日期: 2022-05
Imagen：深层语言理解与逼真图像生成 ↗
Google Imagen
生成式视觉发布编年研究母版 · p. 6 · R021
原记日期: 2022-05
Imagen：深层语言理解与逼真图像生成 ↗
Imagen
站内说明依据所列研究资料撰写，非外链全文译本；AI 辅助翻译，待独立人工审校。
母版研究论述与日期尚待独立核验。
引用本节点
ANTI-AI ARCHIVE. Imagen：深层语言理解与逼真图像生成. 艺术史节点 #142. https://salondesrefuses.cn/zh/art-history/083
引用具体史实时，请同时引用上方原始资料，并补充你的访问日期。本站说明不是外链全文译本。
相邻节点按时间顺序排列，不意味着二者存在直接影响或因果关系。