HF Daily Papers·· 2 天前精选AI 评分44
Intern Lumina U2：面向全视觉理解与图像生成的多码本扩散大语言模型
Intern Lumina U2: A Multi-Codebook Diffusion Large Language Model for Omni-Visual Understanding and Image Generation
AI 导读
Intern Lumina U2 是一种扩散语言模型，用多码本离散视觉 token 在单一骨干网络中统一图像、视频与 3D 生成及文本建模。作者报告该模型在视觉理解、图像生成与编辑上达到领先性能，并提出稳定性感知采样策略将图像生成加速 4.45 倍，代码已在 GitHub 开源。
推荐理由
原文提出多码本扩散语言模型架构，统一文本建模与视觉生成并兼顾推理效率，可与既有统一多模态方案对照。
来源：HF Daily Papers · huggingface.co