三花快讯 · 2025, 5月26日

MMaDA 多模态扩散模型实现文本推理+视觉理解+文生图

基于先进扩散模型架构

MMaDA 是一款开源的多模态扩散模型,同时具有文字推理、图片理解、文字生成图片的能力。

感兴趣的佬们可以通过官方的在线演示体验。

商业转载请联系三花微信公众号获得授权,非商业转载请注明本文出处及文章链接,您可以自由地在任何媒体以任何形式复制和分发作品,也可以修改和创作,但是分发衍生作品时必须采用相同的许可协议。

本文采用 CC BY-NC-SA 4.0 - 非商业性使用 - 相同方式共享 4.0 国际 进行许可。