优惠 新型多模态方法MonoFormer：核心思想是使用单一的Transformer来处理两种不同的生成任务

百度 VIS 和悉尼科技大学的研究人员推出一种新型多模态方法，称为MonoFormer。这个方法的核心思想是使用单一的Transformer来处理两种不同的生成任务：基于自回归（autoregression）的离散文本生成和基于扩散（diffusion）的连续视觉生成。例如，你有一台机器，它可以读取一段文本然后创造出与... 阅读全文