研究人员推出了 Intern Lumina U2,这是一种新颖的扩散大型语言模型,专为图像、视频和 3D 资产的全面全视觉理解和生成而设计。该模型在完全离散的空间中独特地采用了多码本视觉令牌,在保持与文本建模兼容性的同时增强了表示能力。该系统在视觉理解、图像生成和编辑任务中表现出领先的性能,并已在 Ascend 和 NVIDIA 硬件上验证了其跨平台有效性。 AI
影响 该模型统一处理图像、视频和 3D 的方法可以简化多模态人工智能的开发和应用。
排序理由 该集群描述了一篇介绍新型人工智能模型的研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →