PUMA

PUMA是一款先进的多模态大型语言模型（MLLM），专注于通过整合多粒度视觉特征来提升视觉生成与理解任务的表现。该模型能够处理从文本到图像的生成、详细的图像编辑以及其他视觉任务，适应各种细节层次的需求。PUMA依托多模态预训练和微调技术，在文本到图像生成、图像编辑、条件图像生成以及视觉语言理解等方面展现了卓越的能力。该项目由CUHK MMLab、HKU MMLab、SenseTime、上海人工智能实验室和清华大学的研究人员联合开发，并于2024年10月进行了更新，目前仍在不断迭代中。PUMA致力于拓展AI视觉语言模型的边界，为多模态AI的发展提供高效且灵活的解决方案。