北大字节开辟图像生成新范式

字节跳动和北大团队提出了统一的图像定制化生成框架DreamO，以极低的训练参数量（400M），就实现了如下图所展示的多种类型高质量图像定制化结果： 该工作旨在通过单一模型完成各种定制化任务。比如说，以小怪物为参考，让它在...

字节跳动与北京大学的DreamO团队近日发布了一种全新的图像定制化生成框架—DreamO。这一框架不仅能以低成本快速生成复杂场景图像，还能满足用户对多样化定制的需求。DreamO的亮点在于其能够通过简单的文本描述，快速生成符合...

针对这一问题，字节跳动与北京大学强强联手，推出了一种名为DreamO的全新图像定制生成框架，成功打破了“鱼和熊掌不可兼得”的局限。DreamO的核心优势在于其支持多条件组合的能力。不同于传统的图像生成模型，DreamO通过一个...

传统多模态大模型多基于自回归（Autoregressive）架构，其文本与图像生成过程的分离导致跨模态协同效率低下，且在后训练阶段难以有效优化复杂推理任务。在此背景下，普林斯顿大学与字节 Seed、北大、…

（一）全球工程教育范式变革。麻省理工学院（MIT）的“新工程教育转型”...北大通过建立“未来技术学院”、“集成电路学院”等实体，与华为、字节跳动等企业共建实验室，推动“基础研究-技术孵化-产业应用”闭环，缩短创新链条。...

字节跳动和北大团队提出了统一的图像定制化生成框架DreamO，以极低的训练参数量（400M），就实现了如下图所展示的多种类型高质量图像定制化结果： 该工作旨在通过单一模型完成各种定制化任务。比如说，以小怪物为参考，让它在...

今年，来自北大字节，以及新加坡国立大学等机构的团队摘得桂冠。刚刚，NeurIPS 2024最佳论文放榜了！不出所料，今年两篇最佳论文分别颁给了，和新加坡国立大学Sea AI Lab团队。除此之外，大会还公布了「数据集与基准」赛道的...

这篇论文提出了一种颠覆性的新型图像生成框架，不仅首次让自回归模型超越扩散模型，还开创了“逐尺度预测”的全新范式，为视觉生成领域开辟了全新的方向 另一篇是由新加坡国立大学、Sea AI Lab 研究者共同完成的《Stochastic ...

北大与字节跳动的VAR模型通过引入多尺度自回归策略，首次将基于GPT的自回归模型应用于图像生成，并在计算复杂度和生成速度上表现出显著优势。具体来说，VAR模型从低到高的多尺度生成机制，使得每个尺度的生成图依赖于前一个...

北大和字节联手搞了个大的： 提出 图像生成新范式，从预测下一个token变成 预测下一级分辨率，效果超越Sora核心组件Diffusion Transformer（DiT）。并且代码开源，短短几天已经揽下1.3k标星，登上GitHub趋势榜。具体是个什么...