Kandinsky

Открытая текст-в-изображение диффузионная модель от Сбера. Архитектура включает кодировщик FLAN-UL2 на базе T5, новую U-Net с блоками BigGAN-deep и декодер Sber-MoVQGAN. Поддерживает генерацию 1024×1024, image-to-image и инпейнтинг .