上海人工智能实验室与多所知名高校合作近日推出了新一代多模态生成与理解模型 ——Lumina-DiMOO。该模型以 “全方位扩散大语言模型” 命名，旨在推动多模态 AI 技术的发展。

Lumina-DiMOO 采用了创新的 “全离散扩散架构”，突破了传统模型在文本与图像处理上的局限，提供了更为高效的解决方案。

多模态 AI 的核心在于如何将不同类型的数据有效整合。Lumina-DiMOO 通过将文本、图像和音频等数据映射到一个共享的高维 “语义空间”，使不同模态的数据能够实现更好的理解和生成。这种方法的成功依赖于强大的对比学习技术，让模型可以识别和对齐各类数据之间的关系。

在模型设计上，Lumina-DiMOO 的 “全离散扩散建模” 将所有数据视作可被逐步 “去噪” 和 “生成” 的对象。这种处理方式不仅简化了模型结构，还显著提升了生成质量和效率。与以往的多模态模型不同，Lumina-DiMOO 兼顾了速度与准确性，在图像生成任务中只需少量步骤即可获得高质量结果。

此外，Lumina-DiMOO 在应用场景上具有广泛的适用性。无论是文本到图像生成、图像理解，还是主题驱动生成，模型都能表现出色。同时，它还具备较强的图像分析能力，能够识别图片中的细节和氛围，为用户提供深入的理解。