研究人员开发了 Intern Lumina U2,这是一种新颖的扩散大语言模型,专为全视觉理解和图像生成而设计。该模型在完全离散的空间中独特地表示多码本视觉标记,在保持与文本建模兼容性的同时增强了表示能力。Intern Lumina U2 在单个骨干网络中支持图像、视频和 3D 输入,在视觉理解和生成任务中展现出领先的性能。该系统已在 Huawei Ascend 和 NVIDIA 平台上得到验证,其优化的采样策略可将图像生成速度提高 4.45 倍。 AI
影响 该模型通过在离散空间中有效地将高容量视觉表示与文本集成,推动了统一多模态生成的发展。
排序理由 该条目描述了一个新模型及其在论文中展示的技术能力。[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 1 个来源。 我们如何撰写摘要 →