Le modèle multimodal Janus-Pro, nouvelle création de DeepSeek, un acteur majeur de l'IA chinoise, fait son entrée officielle dans le domaine de la génération d'images à partir de texte. Cette avancée marque une percée significative pour DeepSeek dans le domaine de l'IA multimodale.
Lors des tests de référence GenEval et DPG-Bench, Janus-Pro-7B a non seulement surpassé DALL-E3 d'OpenAI, mais a également dépassé des modèles populaires tels que Stable Diffusion et Emu3-Gen. Janus-Pro est distribué sous licence MIT open source, autorisant ainsi son utilisation sans restriction dans des contextes commerciaux. DeepSeek précise que Janus-Pro est une version améliorée de JanusFlow, un modèle lancé le 13 novembre 2024.
Par rapport à son prédécesseur, Janus-Pro bénéficie d'une stratégie d'entraînement optimisée, d'un ensemble de données d'entraînement élargi et d'une taille de modèle plus importante. Ces améliorations ont permis à Janus-Pro de réaliser des progrès significatifs en matière de compréhension multimodale et de suivi des instructions texte-image, tout en améliorant la stabilité de la génération d'images à partir de texte.
Bien que Janus-Pro ne traite actuellement que des images de résolution 384x384, ses performances sont impressionnantes compte tenu de sa taille de modèle compacte.
En tant que modèle multimodal, Janus-Pro est capable non seulement de générer des images, mais aussi de décrire des images, d'identifier des sites touristiques, de reconnaître du texte dans les images et de fournir des informations sur le contenu des images.
Points clés :
🌟 DeepSeek lance le modèle multimodal Janus-Pro, faisant son entrée dans le domaine de la génération d'images à partir de texte.
📈 Lors des tests de référence, Janus-Pro-7B surpasse les performances de DALL-E3 d'OpenAI et d'autres modèles populaires.
✅ Janus-Pro est distribué sous licence MIT open source, permettant une utilisation commerciale illimitée.
