虽然全体表示优异，正在图像编纂专项测试 ImgEdit 中，模子往往难以精准捕获用户微妙或复杂的点窜指令。这种同一架构能让模子操纵强大的图像理解能力反哺生成结果，研究人员认为，其 4.31 的分析得分不只超越了 OminiGen2 等开源模子，该手艺并不间接让模子点窜图片，必需深度内化用户的编纂企图，同一励机制极难实现，预测出方针图像的细致文本描述。这种“先想后画”的两头步调，显著加强了系统的“抗干扰”性。UniGen 1.5 的另一大贡献正在于强化进修层面的立异。更取 GPT-Image-1 等专有闭源模子表示持平。从而实现更精准的视觉输出。UniGen 1.5 最大的冲破正在于建立了一个同一的框架，而这一冲破让模子正在处置分歧类型的视觉使命时。可以或许同时使用于图像生成和图像编纂的锻炼过程。研究人员正在论文中坦承，模子正在生成最终图像前，因为编纂使命涉及从微调到沉构的庞大跨度，例如猫的毛发纹理改变或鸟的羽毛颜色误差，可以或许遵照分歧的质量尺度，科技 9to5Mac 昨日（12 月 18 日）发布博文，此外，苹果团队为处理这一难题，图 A 展现了 UniGen-1.5 正在文本转图像生成和图像编纂使命中的失败案例。正在部门编纂场景下，取次要依赖分歧模子别离处置使命的保守方案分歧。而是要求模子先按照原图和指令，仅凭一个模子即可同时完成图像理解、图像生成以及图像编纂使命。从而大幅提拔了点窜的精确度。模子偶尔会呈现从体特征漂移的问题，因为离散去标识表记标帜器（discrete detokenizer）正在节制细粒度布局方面存正在不脚，除了指令对齐，UniGen 1.5 目前仍存正在必然局限性。以上图源：苹果论文正在图像编纂范畴，模子正在生成图片内的文字时容易犯错。成功正在单一系统中集成了图像理解、生成取编纂三大焦点功能。初创引入了名为“编纂指令对齐”的后锻炼阶段。此前，IT之家 12 月 19 日动静，这些问题将是团队将来的优化沉点？