Generalist Image Generation

新基础设施赋能图像生成模型的能力中心化数据设计

研究人员开发了一个以能力为驱动的数据基础设施，旨在改进通用图像生成模型。该基础设施侧重于根据生成能力之间的依赖关系来组织异构监督，而不是孤立地优化特定任务的数据集。该系统包括用于文本-图像对齐、图像间转换和图像-知识关联的专用数据引擎，并结合了一个多阶段课程来演进数据和模型训练的各个方面。这种方法已被用于训练 3B 和 6B 大小的多模态扩散模型，展示了广泛的视觉覆盖范围和通用的渲染能力。