SenseTime avaa 8 miljardin parametrin multimodaalimallin lähdekoodin

Tekoäly-yritys SenseTime on julkaissut avoimena lähdekoodina SenseNova U1.5 Lite -mallin, 8 miljardin parametrin multimodaalisen tekoälymallin. Malli yhdistää visuaalisen ymmärryksen, kuvien luonnin ja muokkauksen.

Malli tukee natiivia 4K-resoluution kuvien tuottoa. Se on suunniteltu käsittelemään monimutkaisia komentoja, jotka liittyvät kohteisiin, lukumääriin, sijaintisuhteisiin, tekstiin, asetteluihin ja visuaalisiin tyyleihin. SenseTimella on tarvetta tällaisille malleille, sillä sen kilpailijat, kuten Baidu ja Alibaba, ovat myös panostaneet vastaavien avoimen lähdekoodin ratkaisujen kehittämiseen.

SenseTimella kerrotaan, että kevyt malli parantaa identiteetin säilymistä ja tilarakenteen hallintaa muokkauksen aikana. Lisäksi se tarjoaa uusia säätömahdollisuuksia, kuten rajauslaatikoita, visuaalisia merkkejä ja useita referenssikuvia.

SenseNova U1.5 Lite on saatavilla GitHubin, Hugging Facen ja ModelScopen kautta. Mallin julkaisu tukee tekoälykehityksen avoimuutta ja edistää alan tutkimusta ja sovelluksia.