智源新出OmniGen2开源神器，一键解锁AI绘图「哆啦 A 梦」任意门

机器之心发布 机器之心编辑部 2024 年 9 月，智源研究院发布了 统一图像生成模型 OmniGen 。该模型在单一架构内即可支持多种图像生成任务，包括文本生成图像（Text-to-Image Generation）、图像编辑（Image Editing）和主题驱动图像生成（Subject-driven Image Generation）。用户仅需使用多模态的自然语言指令，便可灵活实现上述功 能，无需依赖额外的上下文提示、插件或预处理模块。凭借其功能的高度通用性与架构的高度简洁性，OmniGen 一经发布便获得社区的广泛好评。随后，随着 Gemini 2.0 Flash 和 GPT-4o 等闭源多模态模型的相继发布，构建统一图像生成模型成为当前最受关注的研究与应用方向之一。 在这一背景下，OmniGen 迎来重大技术升级，正式发布 OmniGen2 。新一代模型在保持简洁架构的基础上， 显著增强了上下文理解能力、指令遵循能力和图像生 成质量 。同时，OmniGen2 全面继承了其基座多模态大模型在上下文理解与生成方面的能力， 同时支持图像和文字生成，进一步打通了多模态技术生态 。同时， 模型权重、训练代码及 ...