मल्टी-मोडल जनरेटिव मॉडल आर्टिफिशियल इंटेलिजेंस की नई लहर का नेतृत्व कर रहे हैं, जो दृश्य और पाठ डेटा के विलय पर ध्यान केंद्रित करते हैं, ताकि मल्टी-फंक्शनल एआई सिस्टम का निर्माण किया जा सके जो चित्र निर्माण से लेकर डेटा प्रकारों के बीच समझ और तर्क करने के कई कार्यों को निष्पादित कर सके। उनमे एक महत्वपूर्ण चुनौती स्व-प्रतिरोधी (AR) मॉडल की क्षमता को बढ़ाना है ताकि वह पाठ विवरण के आधार पर उच्च विवरण वाली छवियाँ उत्पन्न कर सके। हालांकि विस्तारण मॉडल उच्च गुणवत्ता वाली छवियाँ उत्पन्न करने में उत्कृष्टता प्राप्त कर रहे हैं, AR मॉडल की छवि गुणवत्ता, रिज़ॉल्यूशन लचीलापन और बहु-कार्य संतुलन में तुलनात्मक रूप से रुकावट है। शंघाई एआई प्रयोगशाला और हांगकांग चाइनाजी विश्वविद्यालय के शोधकर्ताओं ने लुमिना का परिचय दिया।

हांगकांग विश्वविद्यालय और बाइटडांस के शोधकर्ताओं द्वारा विकसित LlamaGen एक ऑटो-रिग्रेशनल मॉडल Llama पर आधारित इमेज जनरेशन विधि है, जो इमेज जनरेशन के क्षेत्र में पारंपरिक डिफ्यूजन मॉडलों को पार करने की क्षमता दिखाती है। LlamaGen के ओपन-सोर्स रिलीज ने GitHub पर लगभग 900 स्टार अंक प्राप्त किए हैं। यह उपलब्धि न केवल ऑटो-रिग्रेशनल मॉडल की इमेज जनरेशन में प्रतिस्पर्धा को साबित करती है, बल्कि ओपन-सोर्स समुदाय के लिए नई ऊर्जा और नवाचार की प्रेरणा भी लाती है।