Lumina-DiMOO - 上海AIラボとHuawei Riseがオープンソース化したマルチモーダル大型モデル

12.7K 00

Lumina-DiMOOとは？

Lumina-DiMOOは、世界人工知能会議2025において、上海人工知能研究所がファーウェイ・ライズと共同で発表したマルチモーダル生成・理解のための新世代統一モデルである。Rise AI基本ハードウェア・ソフトウェアプラットフォームとMindSpeed MMマルチモーダル大規模モデルスイートをベースに、256、512、1024解像度での事前学習と1024解像度での教師付き微調整が完了した。世界初の離散拡散統一アーキテクチャのモデルとして、従来の拡散と自己回帰の枠組みを完全に置き換え、サンプリング速度は従来の約10倍に向上した。Lumina-DiMOOは、テキスト生成画像/動画、画像編集、画像翻訳、画像復元など様々なタスクをサポートし、クロスモーダル生成・理解能力は新たなレベルに達した。このモデルのフルフロー・トレーニングコードはオープンソース化されており、開発者にフレンドリーで効率的なマルチモーダルモデル開発を提供している。

ルミナ-DiMOOの特徴

離散拡散のための統一アーキテクチャ世界初の離散拡散統一アーキテクチャを採用し、従来の拡散と自己回帰の枠組みを置き換えることで、サンプリング速度が飛躍的に向上しました。
高効率のサンプリング速度サンプリング速度が従来の約10倍になり、発電効率が大幅に向上。
マルチモーダルなタスクサポートテキストから画像/ビデオの生成、画像編集、画像翻訳、画像復元など、さまざまなタスクをサポートし、強力なクロスモーダル生成および理解機能を備えています。
全工程のトレーニングコードをオープンソースで公開開発者の研究開発を促進し、マルチモーダルモデルの幅広い応用を促進するために、フルプロセスのトレーニングコードを提供する。
ライズAIプラットフォームがベースライズAIの基本ハードウェア・ソフトウェアプラットフォームとMindSpeed MMマルチモーダル大規模モデルスイートにより、効率的なトレーニングと最適化を実現。

ルミナ-DiMOOの主な利点

革新的な建築世界初の離散拡散統一アーキテクチャーを採用し、従来の拡散と自己回帰のフレームワークを置き換え、より効率的なコンテンツ生成を実現。
高性能サンプリング速度が従来の約10倍に向上し、生成効率が大幅に改善され、大規模なアプリケーションに適しています。
マルチモーダル機能テキストから画像/ビデオ生成、画像編集、画像翻訳、画像復元など幅広いタスクをサポートし、クロスモーダルな生成・理解にも強い。
オープンソース・フレンドリー開発者の研究開発を促進し、マルチモーダル技術の幅広い応用を促進するため、フルプロセストレーニングコードをオープンソース化。
プラットフォームの利点Rise AI Foundationのハードウェアとソフトウェアプラットフォームをベースに、MindSpeed MMマルチモーダル大規模モデル群を搭載し、高いパフォーマンスと効率的なトレーニング、最適化を実現。

Lumina-DiMOOの公式サイトは？

プロジェクトのウェブサイト:: https://synbol.github.io/Lumina-DiMOO
Githubリポジトリ:: https://github.com/Alpha-VLLM/Lumina-DiMOO
HuggingFaceモデルライブラリ:: https://huggingface.co/Alpha-VLLM/Lumina-DiMOO

ルミナ-DiMOOは誰のためのものですか？

人工知能研究者マルチモーダルモデルの新しいアプリケーションや最適化手法を探求するために、オープンソースコードや革新的なアーキテクチャを用いて最先端の研究を行うことができる。
コンテンツクリエーター同社のソフトウェアは、映像制作者、広告主、ゲーム開発者など、クリエイティブなコンテンツを素早く生成したい人向けに設計されており、強力な生成機能によってクリエイティブな作業効率を向上させることができる。
ソフトウェア開発者Lumina-DiMOOを独自のアプリケーションに統合することで、マルチモーダルコンテンツを生成する機能をユーザーに提供し、アプリケーションの機能と魅力を拡大することができます。
教育者と学生マルチモーダルモデルの仕組みや応用を理解し、教育コンテンツ制作のための新しいツールを提供することで、教育や学習に役立てることができる。
ビジネスユーザー特に、広告代理店、映画・テレビ制作会社、報道機関など、多くのコンテンツ制作やクリエイティブ・デザインを必要とする企業は、このモデルを利用することで、コンテンツ制作の質とスピードを向上させることができます。