1月26日 消息:在最新的研究中,百度提出了一項(xiàng)名為UNIMO-G的統(tǒng)一圖像生成框架,旨在克服現(xiàn)有文本到圖像擴(kuò)散模型面臨的挑戰(zhàn)。傳統(tǒng)模型主要根據(jù)簡(jiǎn)潔的文本提示生成圖像,但文本描述的簡(jiǎn)潔性限制了生成復(fù)雜細(xì)節(jié)圖像的能力。
UNIMO-G采用了簡(jiǎn)單而強(qiáng)大的多模態(tài)條件擴(kuò)散框架,能夠處理交錯(cuò)的文本和視覺(jué)輸入,展示了文本驅(qū)動(dòng)和主題驅(qū)動(dòng)圖像生成的統(tǒng)一能力。
UNIMO-G的核心組件包括多模態(tài)大語(yǔ)言模型(MLLM)和基于編碼的多模態(tài)輸入生成圖像的條件去噪擴(kuò)散網(wǎng)絡(luò)。獨(dú)特的兩階段訓(xùn)練策略使得該框架能夠在大規(guī)模文本圖像對(duì)上進(jìn)行預(yù)訓(xùn)練,開(kāi)發(fā)出條件圖像生成能力,并通過(guò)多模態(tài)提示進(jìn)行指令調(diào)整,實(shí)現(xiàn)統(tǒng)一的圖像生成能力。
這一框架還采用了精心設(shè)計(jì)的數(shù)據(jù)處理管道,涉及語(yǔ)言基礎(chǔ)和圖像分割,用以構(gòu)建多模態(tài)提示。在測(cè)試中,UNIMO-G在文本到圖像生成和零樣本主題驅(qū)動(dòng)合成方面表現(xiàn)卓越,特別是在處理包含多個(gè)圖像實(shí)體的復(fù)雜多模態(tài)提示時(shí),生成高保真圖像的效果顯著。
總體而言,UNIMO-G的提出為文本到圖像生成領(lǐng)域帶來(lái)了新的可能性,其簡(jiǎn)單而有效的多模態(tài)條件擴(kuò)散框架在處理復(fù)雜性和提高圖像生成質(zhì)量方面具有潛在的廣泛應(yīng)用價(jià)值。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請(qǐng)謹(jǐn)慎對(duì)待。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。
近日,德國(guó)柏林國(guó)際電子消費(fèi)品展覽會(huì)(IFA2024)隆重舉辦。憑借在核心技術(shù)、產(chǎn)品設(shè)計(jì)及應(yīng)用方面的創(chuàng)新變革,全球領(lǐng)先的智能終端企業(yè)TCL實(shí)業(yè)成功斬獲兩項(xiàng)“IFA全球產(chǎn)品設(shè)計(jì)創(chuàng)新大獎(jiǎng)”金獎(jiǎng),有力證明了其在全球市場(chǎng)的強(qiáng)大影響力。
近日,中國(guó)家電及消費(fèi)電子博覽會(huì)(AWE 2024)隆重開(kāi)幕。全球領(lǐng)先的智能終端企業(yè)TCL實(shí)業(yè)攜多款創(chuàng)新技術(shù)和新品亮相,以敢為精神勇闖技術(shù)無(wú)人區(qū),斬獲四項(xiàng)AWE 2024艾普蘭大獎(jiǎng)。
“以前都要去窗口辦,一套流程下來(lái)都要半個(gè)月了,現(xiàn)在方便多了!”打開(kāi)“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。
由世界人工智能大會(huì)組委會(huì)、上海市經(jīng)信委、徐匯區(qū)政府、臨港新片區(qū)管委會(huì)共同指導(dǎo),由上海市人工智能行業(yè)協(xié)會(huì)聯(lián)合上海人工智能實(shí)驗(yàn)室、上海臨港經(jīng)濟(jì)發(fā)展(集團(tuán))有限公司、開(kāi)放原子開(kāi)源基金會(huì)主辦的“2024全球開(kāi)發(fā)者先鋒大會(huì)”,將于2024年3月23日至24日舉辦。