谷歌多模态图像生成模型Instruct

谷歌的Instruct-Imagen模型展现了多模态图像生成领域的强大力量，成功整合了大型语言模型（LLM）和现有的自监督学习(SD)生态系统。这一模型的核心优势在于其能够通过自然语言和输入内容智能地调用SD生态系统中的各种模型，实际上，相当于利用LLM将SD生态中的Lora和Controlnet等模型打造成智能Agents。