10 月 29 日消息，北京智源人工智能研究院（BAAI）推出了新的擴散模型架構(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象與新圖像融合

　　官方表示，OmniGen 具有以下特點：

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

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

　　知識遷移：受益于統(tǒng)一格式的學習，OmniGen 有效地跨不同任務遷移知識，應對未見過的任務和領(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制的在圖像生成領(lǐng)域的潛在應用。

▲指代表達生成