10 月 29 日消息，北京智源人工智能研究院（BAAI）推出了新的擴散模型架構(gòu) OmniGen，這是一種用于統(tǒng)一圖像生成的多模態(tài)模型。
▲ 文本生成圖像，編輯生成圖像的部分元素，根據(jù)生成圖像的人體姿態(tài)生成重繪圖像，從另一圖像中提取所需對象與新圖像融合
官方表示，OmniGen 具有以下特點：
統(tǒng)一性：OmniGen 天然地支持各種圖像生成任務，例如文生圖、圖像編輯、主題驅(qū)動生成和視覺條件生成等。此外，OmniGen 可以處理經(jīng)典的計算機視覺任務，將其轉(zhuǎn)換為圖像生成任務。
簡單性：OmniGen 的架構(gòu)高度簡化。此外，與現(xiàn)有模型相比，它更加用戶友好，可以通過指令完成復雜的任務，而不需要冗長的處理步驟和額外的模塊 (如 ControlNet 或 IP-Adapter)，從而大大簡化了工作流程。
知識遷移：受益于統(tǒng)一格式的學習，OmniGen 有效地跨不同任務遷移知識，應對未見過的任務和領域，并展示新穎的功能。我們還探討了模型的推理能力和思維鏈機制的在圖像生成領域的潛在應用。
▲ 指代表達生成
本站內(nèi)容除特別聲明的原創(chuàng)文章之外，轉(zhuǎn)載內(nèi)容只為傳遞更多信息，并不代表本網(wǎng)站贊同其觀點。轉(zhuǎn)載的所有的文章、圖片、音/視頻文件等資料的版權(quán)歸版權(quán)所有權(quán)人所有。本站采用的非本站原創(chuàng)文章及圖片等內(nèi)容無法一一聯(lián)系確認版權(quán)者。如涉及作品內(nèi)容、版權(quán)和其它問題，請及時通過電子郵件或電話通知我們，以便迅速采取適當措施，避免給雙方造成不必要的經(jīng)濟損失。聯(lián)系電話：010-82306118；郵箱：aet@chinaaet.com。