# 1024x1024高解像度

FLUX.1-schnellベースのテキストから画像生成モデルで、幾何学的な背の高いキャラクターデザインに焦点を当て、TTLDRMCHRスタイルのトリガーを採用

Segment-Anythingビジュアルトランスフォーマー（SAM ViT）画像特徴モデル、特徴抽出とファインチューニング機能のみを含み、分割ヘッドは含まれません。

このSegFormerモデルは1024x1024解像度でCityScapesデータセットに対してファインチューニングされ、階層型Transformerエンコーダと軽量な全MLPデコーダヘッドアーキテクチャを採用しています。