OmniGen2 – 智源研究院开源的多模态生成模型

OmniGen2是什么

OmniGen2 是北京智源人工智能研究院推出的开源多模态生成模型。能根据文本提示生成高质量图像，支持指令引导的图像编辑，比如修改背景或人物特征等。OmniGen2 采用双组件架构，结合视觉语言模型（VLM）和扩散模型，实现对多种生成任务的统一处理。优势在于开源免费、高性能以及强大的上下文生成能力，适用于商业、创意设计和研究开发等场景。

OmniGen2的主要功能

• 文本到图像生成：能根据文本提示生成高保真度和美观的图像。在多个基准测试中表现出色，例如在 GenEval 和 DPG-Bench 上的得分分别为 0.86 和 83.57。