周大 发表于 2024-10-22 16:06:01

Janus：解耦视觉编码的多模态理解与生成模型

研究人员提出了一种名为Janus的多模态理解与生成统一模型。该模型通过解耦理解和生成任务的视觉编码，显著提升了模型的灵活性和性能。实验结果显示，Janus在多模态理解和视觉生成任务上均超过了之前的统一模型。此外，Janus的设计灵活，易于扩展，未来有望支持更多模态，如视频和3D点云，成为下一代多模态通用模型的有力候选。
来源：https://mp.weixin.qq.com/s/Ao5V0ICGX3X2HWfIw23YAQ
页: [1]
查看完整版本: Janus：解耦视觉编码的多模态理解与生成模型