Llama也能做图像生成！港大字节推出开源自回归文生图模型，在线体验已开放
Llama也能做图像生成！港大字节推出开源自回归文生图模型，在线体验已开放只需Image Tokenizer，Llama也能做图像生成了，而且效果超过了扩散模型。
来自主题: AI资讯
12273 点击 2024-07-04 11:09
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
只需Image Tokenizer，Llama也能做图像生成了，而且效果超过了扩散模型。
融资正在不断向头部集中
多件衣服按指定穿法一键虚拟试穿！
字节跳动探索AI硬件业务，屡试不舍。
AI是抖快下一个贴身肉搏的战场
Seed-TTS 是字节跳动豆包大模型团队近期发布的语音生成大模型成果。
在生成式模型的迅速发展中，Image Tokenization 扮演着一个很重要的角色，例如Diffusion依赖的VAE或者是Transformer依赖的VQGAN。这些Tokenizers会将图像编码至一个更为紧凑的隐空间（latent space），使得生成高分辨率图像更有效率。
AI正在改变消费电子产品。
通过高保真合成语音与真人语音无异。
当前主流的视觉语言模型（VLM）主要基于大语言模型（LLM）进一步微调。因此需要通过各种方式将图像映射到 LLM 的嵌入空间，然后使用自回归方式根据图像 token 预测答案。