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