字节跳动携手港中大推出DreamOmni2，革新AI图像编辑，攻克抽象概念理解挑战！
发布时间：2025-10-27 14:32:00 | 责任编辑：张毅 | 浏览量：8 次
在人工智能图像编辑与生成领域，一项新的突破性技术引起了广泛关注。字节跳动与香港中文大学、香港科技大学和香港大学联合研发的 DreamOmni2系统，已正式开源，标志着图像编辑生成技术的最新发展。
DreamOmni2的推出，致力于提升人工智能在图像处理中的指令遵循能力，实现了真正的多模态指令理解。这一系统能够同时理解文本指令与参考图像，显著改善了以往模型在处理抽象概念（如风格、材质、光照）时的局限性。用户与 AI 之间的交互更加自然，仿佛与一个了解自己意图的合作伙伴对话。
为了训练 AI 理解复杂的文本和图像指令，DreamOmni2的研发团队开发了一套创新的三阶段流程。首先，通过训练提取模型，AI 能够精准提取图像中的特定元素或抽象属性。接着，利用提取模型生成多模态指令编辑数据，形成包含源图像、指令、参考图像和目标图像的训练样本。最后，通过进一步提取与组合生成更多参考图像，构建出丰富的多模态指令生成数据集。这一系列步骤为系统的高质量训练打下了坚实基础。
在模型架构方面，DreamOmni2提出了索引编码和位置编码偏移方案，确保模型能够准确识别多张输入图像。同时，引入视觉语言模型（VLM），有效解决了用户指令与模型理解之间的鸿沟。这种创新设计提升了系统在处理指令时的准确性，使其能够更好地理解用户的真实意图。
经过测试，DreamOmni2在多模态指令编辑任务上的表现超越了所有参与比较的开源模型，接近顶尖商业模型。与传统的商业模型相比，DreamOmni2在处理复杂指令时，能够提供更高的准确性和一致性，避免了不必要的变更和图像瑕疵。
DreamOmni2的开源，不仅为 AI 创作提供了新的可能性，也为相关领域的研究者提供了统一的评判标准。这一技术的发布，预示着 AI 图像编辑与生成领域即将迎来新的革命。对于未来的发展，业内专家表示，DreamOmni2的成功将极大推动 AI 技术的普及和应用。
这是一篇关于AI图像编辑突破！字节跳动与港中大等联合开源DreamOmni2 解决AI理解抽象概念难题的文章，内容值得关注。
本网站(https://aigc.izzi.cn)刊载的所有内容，包括文字、图片、音频、视频等均在网上搜集。
访问者可将本网站提供的内容或服务用于个人学习、研究或欣赏，以及其他非商业性或非盈利性用途，但同时应遵守著作权法及其他相关法律的规定，不得侵犯本网站及相关权利人的合法权利。除此以外，将本网站任何内容或服务用于其他用途时，须征得本网站及相关权利人的书面许可，并支付报酬。
本网站内容原作者如不愿意在本网站刊登内容，请及时通知本站，予以删除。
