Modelos de geração multi-modal estão liderando a nova onda da inteligência artificial, focando na fusão de dados visuais e textuais para criar sistemas de IA multifuncionais que executam diversas tarefas, desde geração de imagens até compreensão e raciocínio entre diferentes tipos de dados. Um desafio-chave é melhorar a capacidade dos modelos autorregressivos (AR) para gerar imagens altamente detalhadas com base em descrições de texto. Embora os modelos de difusão se destaquem na geração de imagens de alta qualidade, os modelos AR ficam para trás em termos de qualidade de imagem, flexibilidade de resolução e capacidade de lidar com múltiplas tarefas. Pesquisadores do Laboratório de IA de Xangai e da Universidade Chinesa de Hong Kong lançaram o Lum...