Los modelos generativos multimodales están liderando la nueva ola de la inteligencia artificial, centrándose en la fusión de datos visuales y de texto para crear sistemas de IA multifuncionales capaces de realizar diversas tareas, desde la generación de imágenes hasta la comprensión y el razonamiento entre diferentes tipos de datos. Un desafío clave es mejorar la capacidad de los modelos autorregresivos (AR) para generar imágenes con alto nivel de detalle a partir de descripciones de texto. Si bien los modelos de difusión han demostrado un excelente rendimiento en la generación de imágenes de alta calidad, los modelos AR se han quedado atrás en términos de calidad de imagen, flexibilidad de resolución y capacidad de procesamiento de múltiples tareas. Investigadores del Laboratorio de IA de Shanghai y la Universidad China de Hong Kong presentan Lum...