个人玩家用 RTX 4080 训 126 小时,开源像素画 DiT 模型
ApprehensiveTart3158 · reddit · 2026-11-20
受 HuggingFace 热门数据集启发,一位独立开发者首次从零训练 DiT 模型,迭代六版后发布 LiliPixel-V1-190M:支持 16×16、32×32 的 RGBA 输出和 64×64 的 RGB 输出。迭代路径很值得借鉴——第一版无文本编码器、只能生成 16×16;随后加入 Voyage 4 nano 嵌入做文本编码器,提示词遵循大幅改善;第 7 个 epoch 起调整数据配比增加 64×64 样本。总计在一张 RTX 4080 上训练 126 小时、12 个 epoch(约 3000 万张非唯一图像),以完全开源许可放出 diffusers 权重。
「多模态」频道最新
- 中国团队开源实时3D重建模型:单目视频20 FPS、万帧不崩 — dr_cintas · 2026-11-20
- Ideogram 跳过 4.5 开源版,将直接开放 4.6 权重 — multimodalart · 2026-11-20
- 零剪辑经验用 Fable 5.2 迭代 19 次自动产出游戏混剪视频 — gdechichi · 2026-11-20
- Seedance 2.5 实测:30 秒幽灵列车短片提示词公开 — LudovicCreator · 2026-11-20
- 用代码生成霓虹风动画:fofr 展示 anime 风泳池场景 — fofrAI · 2026-11-20
- 200 个工具吃光上下文:开发者分享用 MCP 给 Claude 造视频编辑器的踩坑经 — MrxAnomynous · 2026-11-20