日前Facebook母公司Meta方面宣布，已开发出一款名为CM3Leon的人工智能（AI）多模态语言模型。据了解，该模型是史上首个单一多模态模型，可以根据文本生成高质量的图像，也可以为图像生成文本描述，以及回答有关图像内容的问题、根据文本指令编辑图像。简而言之，也就是CM3leon可以在理解、编辑、生成图像、文本的不同任务间自由切换。

此外，Meta方面还演示了CM3Leon模型的部分能力，并称其在文生图和图像理解领域的表现，已超越谷歌、微软等厂商的一众同类产品，并达到了业界最高水平。但同时Meta方面也承认，现阶段的CM3Leon模型可能存在数据偏见的问题，仍然需要行业监管。截至目前，Meta方面尚未透露是否会公开发布CM3Leon模型。

值得一提的是，与既有的、较为知名的Stable Diffusion，DALL-E、Midjourney等文生图模型依赖于扩散（diffusion）模型技术不同，CM3Leon采用了基于token的自回归模型方法。

Meta方面表示，测试结果表明，基于token的自回归模型不仅比基于扩散模型的方法更有效，在文生图领域实现了SOTA，而且训练的计算量还比此前基于Transformer的方法少了五倍。

而在预训练阶段，为了训练这一模型，Meta使用了数百万张来自Shutterstock的授权图片，有着高达70亿个参数，这也达到了OpenAI EALL-E2模型的两倍以上。

对此Meta方面表示，“在文本到图像生成领域，图像数据来源的道德影响已经引发了广泛的讨论。在这一研究中，我们只使用 Shutterstock上的经过授权的图像，因此可以避免与图像所有权和归属相关的担忧，同时不会牺牲性能”。

【以上内容转自“三易生活网”，不代表本网站观点。如需转载请取得三易生活网许可，如有侵权请联系删除。】

延伸阅读：

• Meta公司去年狂揽1179亿美元，元宇宙部门却疯狂“败家”
• Meta展示自研生成式AI工具，计划全面加码将AI与元宇宙结合

未经允许不得转载：零时古怪 - 中国第一时事资讯综合门户 » Meta方面宣布，已开发出多模态模型CM3Leon