LaVi-Bridge ist ein Brückenmodell für Text-zu-Bild-Diffusionsmodelle, das verschiedene vortrainierte Sprach- und visuelle Generierungsmodelle verbindet. Durch die Nutzung von LoRA und Adaptern bietet es eine flexible, Plug-and-Play-Methode, ohne die Gewichte der ursprünglichen Sprach- und visuellen Modelle verändern zu müssen. Das Modell ist mit verschiedenen Sprach- und visuellen Generierungsmodellen kompatibel und kann unterschiedliche Architekturen aufnehmen. In diesem Rahmen zeigen wir, dass durch die Integration fortschrittlicherer Module (wie modernere Sprach- oder visuelle Generierungsmodelle) Fähigkeiten wie die Text-Bild-Ausrichtung oder die Bildqualität deutlich verbessert werden können. Die Effektivität des Modells wurde durch umfassende Evaluierungen belegt.