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 资产的全方位视觉理解和生成而设计。该模型独特地在单个骨干网络中采用了多码本离散视觉令牌,在保持与文本建模兼容性的同时增强了表示能力。Intern Lumina U2 在视觉理解、文本到图像生成和图像编辑的各种基准测试中表现出领先性能,其优化的采样策略将图像生成速度提高了 4.45 倍。该模型已在 Ascend 和 NVIDIA 硬件上通过了跨平台有效性验证。 AI
影响 这种统一的模型架构可以简化多模态人工智能的开发,并提高视觉理解和生成任务的效率。
排序理由 发布了一篇详细介绍新型人工智能模型的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
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 →