MM-Interleaved: Interleaved Image-Text Generative Modeling via Multi-modal Feature Synchronizer

计算机科学 生成语法 特征(语言学) 图像(数学) 背景(考古学) 生成模型 人工智能 过程(计算) 情态动词 编码(集合论) 模式识别(心理学) 计算机视觉 古生物学 哲学 语言学 化学 集合(抽象数据类型) 高分子化学 生物 程序设计语言 操作系统
作者
Changyao Tian,Xizhou Zhu,Yuwen Xiong,Weiyun Wang,Zhe Chen,Wenhai Wang,Yuntao Chen,Lewei Lu,Tong Lü,Jie Zhou,Hongsheng Li,Yu Qiao,Jifeng Dai
出处
期刊:Cornell University - arXiv 被引量:2
标识
DOI:10.48550/arxiv.2401.10208
摘要

Developing generative models for interleaved image-text data has both research and practical value. It requires models to understand the interleaved sequences and subsequently generate images and text. However, existing attempts are limited by the issue that the fixed number of visual tokens cannot efficiently capture image details, which is particularly problematic in the multi-image scenarios. To address this, this paper presents MM-Interleaved, an end-to-end generative model for interleaved image-text data. It introduces a multi-scale and multi-image feature synchronizer module, allowing direct access to fine-grained image features in the previous context during the generation process. MM-Interleaved is end-to-end pre-trained on both paired and interleaved image-text corpora. It is further enhanced through a supervised fine-tuning phase, wherein the model improves its ability to follow complex multi-modal instructions. Experiments demonstrate the versatility of MM-Interleaved in recognizing visual details following multi-modal instructions and generating consistent images following both textual and visual conditions. Code and models are available at \url{https://github.com/OpenGVLab/MM-Interleaved}.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
明理问柳发布了新的文献求助10
3秒前
ky应助xiaoX12138采纳,获得10
4秒前
明理问柳完成签到,获得积分10
10秒前
坚强的嚣完成签到 ,获得积分10
10秒前
量子星尘发布了新的文献求助10
12秒前
gxzsdf完成签到 ,获得积分10
15秒前
我思故我在完成签到,获得积分10
17秒前
18秒前
阿帕奇完成签到 ,获得积分10
21秒前
Conner完成签到 ,获得积分10
22秒前
量子星尘发布了新的文献求助10
25秒前
zhang完成签到 ,获得积分10
26秒前
wol007完成签到 ,获得积分10
28秒前
123完成签到 ,获得积分10
29秒前
Justtry完成签到 ,获得积分20
29秒前
naiyouqiu1989完成签到,获得积分10
31秒前
沿途有你完成签到 ,获得积分10
31秒前
花生四烯酸完成签到 ,获得积分10
33秒前
科科通通完成签到,获得积分10
33秒前
WYK完成签到 ,获得积分10
36秒前
36秒前
学海行舟完成签到 ,获得积分10
40秒前
黑眼圈完成签到 ,获得积分10
43秒前
幸福的羿完成签到 ,获得积分10
44秒前
量子星尘发布了新的文献求助10
45秒前
霍明轩完成签到 ,获得积分10
54秒前
游艺完成签到 ,获得积分10
57秒前
量子星尘发布了新的文献求助10
58秒前
是盐的学术号吖完成签到 ,获得积分10
59秒前
空2完成签到 ,获得积分0
1分钟前
烂漫的从彤完成签到,获得积分10
1分钟前
Wang完成签到 ,获得积分20
1分钟前
小心翼翼完成签到 ,获得积分10
1分钟前
Manzia完成签到,获得积分10
1分钟前
小丸子和zz完成签到 ,获得积分10
1分钟前
1分钟前
在水一方应助灵巧的傲柏采纳,获得10
1分钟前
Dr.Tang完成签到 ,获得积分10
1分钟前
swordshine完成签到,获得积分10
1分钟前
量子星尘发布了新的文献求助10
1分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
网络安全 SEMI 标准 ( SEMI E187, SEMI E188 and SEMI E191.) 1000
Inherited Metabolic Disease in Adults: A Clinical Guide 500
计划经济时代的工厂管理与工人状况(1949-1966)——以郑州市国营工厂为例 500
INQUIRY-BASED PEDAGOGY TO SUPPORT STEM LEARNING AND 21ST CENTURY SKILLS: PREPARING NEW TEACHERS TO IMPLEMENT PROJECT AND PROBLEM-BASED LEARNING 500
The Pedagogical Leadership in the Early Years (PLEY) Quality Rating Scale 410
Why America Can't Retrench (And How it Might) 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 物理化学 基因 催化作用 遗传学 冶金 电极 光电子学
热门帖子
关注 科研通微信公众号,转发送积分 4613016
求助须知:如何正确求助?哪些是违规求助? 4018011
关于积分的说明 12436990
捐赠科研通 3700338
什么是DOI,文献DOI怎么找? 2040716
邀请新用户注册赠送积分活动 1073470
科研通“疑难数据库(出版商)”最低求助积分说明 957104