Intern Lumina U2: A Multi-Codebook Diffusion Large Language Model for Omni-Visual Understanding and Image Generation
Aggiunta all'archivio di AIChronos il (numero del 18 ottobre 2026 ricostruito)· fonte del · Qian Yu, Zongyang Qiu, Juncheng Yan, Hongliang Li, Qi Qin, Keqi Wang (Shanghai AI Laboratory)
Intern Lumina U2 è un modello di linguaggio diffusivo a codice multipli che supporta la generazione omni-visiva e l'interpretazione delle immagini. Utilizza una rappresentazione discreta dei token visivi per aumentare la capacità di rappresentazione mentre mantiene la compatibilità con il modellaggio del testo. Il modello ragiona in parallelo sui vari input, migliorando l'efficienza e le prestazioni.
- Codice multipli (multi-codebook)
- Rappresentazione discreta dei token visivi
- Processamento parallelo di tutti i posti
- Supporto per immagini, video e input 3D
- Miglioramento dell'efficienza inferenziale
Perché conta. Per uno sviluppatore che lavora con LLM, agenti e AI locale, Intern Lumina U2 offre un avanzato supporto per la gestione omni-visiva e l'interpretazione delle immagini, migliorando significativamente le prestazioni e l'efficienza inferenziale.
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.