智源悟道3

智源研究院发布了首个全能多模态预训练模型Emu的开源版本。Emu在多项性能指标上超越了DeepMind的Flamingo模型，具备统一多模态学习框架和视频数据的大量采用的能力。Emu可以完成任意图生文和文生图的多模态任务，包括图像描述、图像问答、视频问答、文图生成、图像融合和多模态对话等。Emu还具有强大的少样本上下文学习能力，可以根据给定任务的几个示例样本进行上下文学习。