字節UNO模型多主體生成達SOTA
主體驅動生成已廣泛應用於圖像生成領域,但從單主體走向多主體時,數據可擴展性與主體擴展性成為突出挑戰,現有熱門研究方向在多主體任務上表現欠佳。字節跳動團隊為此提出UNO模型。
模型-數據共同進化
團隊利用擴散Transformer模型本身具備的上下文生成能力,生成具有高度一致性的多主體配對數據,並以「模型-數據共同進化」的新範式,在優化模型的同時持續擴充訓練數據,破解數據瓶頸。
IXThinker 會員內容
呢篇係 Archive 內容。登入即可解鎖全文,仲有成個 15,000+ 篇、每日更新嘅 AI 動態資料庫。
免費登入/註冊解鎖全文 →Google 或電郵地址即可,即刻解鎖。
