bjtuln

在参考controlnet复现anytext训练代码想问一下ucg的比例是多大？  另外想问一下训练时td loss和tp loss都能收敛到什么程度，复现代码续训时tp loss在0.01到0.1之间震荡，tp loss在0.0004到0.01之间震荡  

请问这样直接用ocr_embedding替换原始token的方法对于所有text_encoder模型都适用吗，还是只适用于clip模型？我在T5模型上实验发现生成文字图片效果反而下降了

Fuse layer problem

1

如果只做带文字的生成任务不做编辑任务，masked image特征是不是可以不加 

layout exceeds the picture boundary

2

When rendering text, the text goes beyond the image boundary