Meta、画像・テキスト混在のChameleonや音声電子透かしなど5つの研究モデルを公開
MetaのFAIRチームは新たな5つのAI研究成果を公開した。画像と文章を同時処理できるChameleon、和音やビートで制御可能な音楽生成JASCO、検出速度を最大485倍に高めたAI音声透かしAudioSealなどが含まれる。
Chameleon
MetaがChameleonを発表：画像とテキストを交錯生成するネイティブマルチモーダルモデル
Metaはネイティブマルチモーダルモデル「Chameleon」を発表した。画像とテキストを共通の離散トークンとして扱い、同一モデル内で自由な交錯生成を可能にする。34BモデルはVQAなどで高い性能を示しているが、現時点では重みは公開されていない。