字节跳动开源 3B 统一多模态模型 Lance，同时处理图像视频理解与生成
字节跳动发布轻量级多模态模型 Lance，激活参数量仅 3B，却原生统一了图像理解、视频理解、图像生成、视频生成和跨模态编辑，一个模型可输出文本、图像和视频。
Lance 采用共享上下文与双流专家架构，分别由 Qwen2.5-VL 和 Wan2.2 编码器处理理解与生成任务，并通过模态感知位置编码解决序列边界混淆。在 GenEval 图像生成、VBench 视频生成等基准上取得领先结果。模型使用 Apache 2.0 许可，权重已在 Hugging Face 开放。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
THE END
暂无评论内容