Luma AI анонсировала Uni-1 — свою первую модель, в которой эффективно связываются генерация и понимание изображений. В отличие от традиционных диффузионных моделей, Uni-1, подобно таким моделям, как Nano Banana Pro от Google и GPT Image 1.5, использует авторегрессионный трансформер. Это позволяет системе обрабатывать текст и изображения через один и тот же процесс, создавая более целостный подход.
Разработчики отмечают, что модель способна анализировать запросы до и во время генерации, разбивая их на составляющие и предвосхищая композицию. Эти характеристики увеличивают точность выполнения задач. Кроме того, Uni-1 может уточнять изображения в ходе диалога, сохраняя контекст предшествующих запросов.
Модель продемонстрировала уникальную способность создавать последовательности изображений, постепенно «старя» персонажей, и показала высокие результаты в тестах на логическое восприятие изображений, обойдя Nano Banana 2 и GPT Image 1.5. Uni-1 также поддерживает множество языков и может адаптировать стили, позы и композиции из различных источников.
Вопрос-ответ
Какая основная особенность Uni-1 по сравнению с традиционными диффузионными моделями?
Uni-1 использует авторегрессионный трансформер для объединения генерации и понимания изображений в одном процессе, что обеспечивает более целостный подход и позволяет обрабатывать текст и изображения в рамках единой архитектуры.
Как Uni-1 строит взаимодействие с текстом и изображениями во время генерации?
Модель анализирует запросы до и во время генерации, разбивает их на составляющие и предвосхищает композицию, а также может уточнять изображения в ходе диалога, сохраняя контекст предыдущих запросов.
Какие преимущества Uni-1 демонстрирует на тестах и в сравнении с конкуренцией?
Uni-1 показала способность создавать последовательности изображений, постепенно «старя» персонажей, и достигла лучших результатов в тестах на логическое восприятие изображений по сравнению с Nano Banana 2 и GPT Image 1.5, при этом поддерживает множество языков и адаптацию стилей, поз и композиций из различных источников.
