AI在线 AI在线

OmniGen2

新开源 AI 系统 OmniGen 2：像GPT-4o 一样融合了图像和文本生成

新开源 AI 系统 OmniGen 2：像GPT-4o 一样融合了图像和文本生成
近日，北京人工智能研究院推出了全新的开源系统 ——OmniGen2。 这一系统专注于文本到图像的生成、图像编辑和上下文图像创作。 与2024年发布的第一代 OmniGen 相比，OmniGen2采用了两条独立的解码路径:一条用于文本生成，另一条用于图像生成，且各自拥有独立的参数和解耦的图像标记器。
6/30/2025 3:00:50 PM
AI在线
从文本生成到指令编辑 OmniGen2重塑开源多模态模型应用场景

从文本生成到指令编辑 OmniGen2重塑开源多模态模型应用场景
近日，VectorSpaceLab在Hugging Face平台正式开源全能多模态模型OmniGen2，以创新性双组件架构和强大的视觉处理能力，为研究者和开发者提供了高效的可控生成式AI基础工具。 这款模型由30亿参数的视觉语言模型（VLM）Qwen-VL-2.5与40亿参数的扩散模型组合而成，通过冻结的VLM解析视觉信号和用户指令，结合扩散模型实现高质量图像生成，在视觉理解、文本生成图像、指令引导图像编辑和上下文生成四大核心场景中展现出领先性能。   作为开源项目，OmniGen2的视觉理解能力继承自Qwen-VL-2.5的强大基础，可精准解析图像内容;其文本生成图像功能支持从文本提示生成高保真、符合美学标准的图像;在指令引导图像编辑领域，该模型以高精度完成复杂修改任务，性能达到开源模型中的前沿水平;而上下文生成能力更可灵活处理人物、物体、场景等多元输入，生成连贯新颖的视觉输出。
6/24/2025 11:00:41 AM
AI在线
  • 1