MiniDog：消费级GPU预训练扩散模型

发生了什么

据arXiv论文介绍，开发者开发了 MiniDog 框架，该框架能在四张 RTX 3090 GPU 上实现 55 分钟预训练扩散 transformer 模型，并在另外 15 分钟内完成微调。数据方面，预训练使用来自 ImageNet 的 26k 狗图像，微调使用 FLUX.1-schnell 生成的 2k 图像。架构采用 E2E-INVAE、参数量 22M 的小型 transformer 以及小型 Qwen 模型用于文本编码。