顏水成掛帥，奠定「通用視覺多模態大模型」終極形態！一統理解/生成/分割/編輯

AIGC動態歡迎閱讀

原標題：顏水成掛帥，奠定「通用視覺多模態大模型」終極形態！一統理解/生成/分割/編輯
關鍵字：視覺,模型,任務,模塊,圖像
文章來源：新智元
內容字數：15313字

內容摘要：

新智元報道編輯：LRS
【新智元導讀】顏水成團隊聯合新加坡國立、南洋理工大學共同開源了Vitron模型，持從視覺理解到視覺生成、從低層次到高層次的一系列視覺任務，為下一代通用視覺大模型的終極形態奠定了基礎，也標志著大模型邁向通用人工智能（AGI）的又一大步。近日，顏水成教授團隊聯合發布并開源了Vitron通用像素級視覺多模態大語言模型。項目主頁&Demo：https://vitron-llm.github.io/
論文鏈接：https://is.gd/aGu0VV
開源代碼：https://github.com/SkyworkAI/Vitron
這是一款重磅的通用視覺多模態大模型，支持從視覺理解到視覺生成、從低層次到高層次的一系列視覺任務，解決了困擾大語言模型產業已久的圖像/視頻模型割裂問題，提供了一個全面統一靜態圖像與動態視頻內容的理解、生成、分割、編輯等任務的像素級通用視覺多模態大模型，為下一代通用視覺大模型的終極形態奠定了基礎，也標志著大模型邁向通用人工智能（AGI）的又一大步。
Vitron作為一個統一的像素級視覺多模態大語言模型，實現了從低層次到高層次的視覺任務的全面支持，

原文鏈接：顏水成掛帥，奠定「通用視覺多模態大模型」終極形態！一統理解/生成/分割/編輯

聯系作者

文章來源：新智元
作者微信：AI_era
作者簡介：智能+中國主平臺，致力于推動中國從互聯網+邁向智能+新紀元。重點關注人工智能、機器人等前沿領域發展，關注人機融合、人工智能和機器人對人類社會與文明進化的影響，領航中國新智能時代。