10 月 29 日消息，北京智源人工智能研究院（BAAI）推出了新的擴(kuò)散模型架構(gòu) OmniGen，這是一種用于統(tǒng)一圖像生成的多模態(tài)模型。

▲ 文本生成圖像，編輯生成圖像的部分元素，根據(jù)生成圖像的人體姿態(tài)生成重繪圖像，從另一圖像中提取所需對(duì)象與新圖像融合

官方表示，OmniGen 具有以下特點(diǎn)：

統(tǒng)一性：OmniGen 天然地支持各種圖像生成任務(wù)，例如文生圖、圖像編輯、主題驅(qū)動(dòng)生成和視覺條件生成等。此外，OmniGen 可以處理經(jīng)典的計(jì)算機(jī)視覺任務(wù)，將其轉(zhuǎn)換為圖像生成任務(wù)。

簡(jiǎn)單性：OmniGen 的架構(gòu)高度簡(jiǎn)化。此外，與現(xiàn)有模型相比，它更加用戶友好，可以通過(guò)指令完成復(fù)雜的任務(wù)，而不需要冗長(zhǎng)的處理步驟和額外的模塊 (如 ControlNet 或 IP-Adapter)，從而大大簡(jiǎn)化了工作流程。

知識(shí)遷移：受益于統(tǒng)一格式的學(xué)習(xí)，OmniGen 有效地跨不同任務(wù)遷移知識(shí)，應(yīng)對(duì)未見過(guò)的任務(wù)和領(lǐng)域，并展示新穎的功能。我們還探討了模型的推理能力和思維鏈機(jī)制的在圖像生成領(lǐng)域的潛在應(yīng)用。

▲ 指代表達(dá)生成