OmniGen-AR

OmniGen-AR框架支持从多种输入进行通用图像生成

研究人员推出了一种新颖的自回归框架OmniGen-AR，用于通用图像生成。该统一模型可以从多种输入合成图像，包括文本、分割图、深度信息，甚至用于编辑或视频预测的现有图像。为防止条件令牌影响内容令牌，该框架采用了分离因果注意力（DCA）技术，该技术在训练期间分离注意力机制。OmniGen-AR在GenEval和VBench等基准测试中展示了最先进的性能。