研究人员推出 WeLM-Image,这是一款统一的图像生成模型,旨在集成到微信等大规模消费类应用中。该模型结合了多模态理解、文本到图像生成、指令引导编辑和多参考合成能力。它采用具有专家混合模块的 Transformer 混合骨干网络,拥有 317 亿个存储参数和约 54 亿个激活参数,可实现高效处理。WeLM-Image 在 PRISM-Bench 和 Qwen Image Bench 等多个基准测试中均排名靠前,其蒸馏版本 WeLM-Image-Turbo 可以在单个 NVIDIA H20 GPU 上于 5 秒内生成 1024x1024 图像。 AI
影响 该模型的效率和性能有望加速高级图像生成功能在消费类应用中的集成。
排序理由 该集群描述了一篇介绍新型图像生成模型的研究论文。
在 Hugging Face Daily Papers 阅读 →
- arXiv
- mixture of experts
- Mixture-of-Transformers
- Nvidia H20
- PRISM-Bench
- Qwen Image Bench
- UnicBench
- WeLM-Image
- WeLM-Image-Turbo
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →