Funkce Janus Pro
Jednotná multimodální architektura Z Janus Pro
Povoluje obousměrný porozumění obrazu a jeho tvorba prostřednictvím autoregresního rámce s jednotnou architekturou transformátoru. Obsahuje oddělené cesty vizuálního kódování pro zvýšení flexibility a výkonu.
Vynikající výkonnost napříč modely z Janus Pro
Ve srovnávacích testech překonává přední modely jako DALL-E 3 a Stable Diffusion (např, GenEval 0,80 oproti 0,67 u DALL-E 3), které vynikají v úlohách zaměřených na sledování textu a obrázků.
Kompatibilita s otevřenými zdroji společnosti Janus AI
Nabídky Varianty parametrů 1B/7B pod licencí MIT, umístěný na serverech Hugging Face a GitHub pro rychlé nasazení a přizpůsobení. Podporuje neomezené komerční použití.
Specifikace zpracování zraku společnosti Janus AI
Zpracovává obrázky na Rozlišení 384×384, která integruje SigLIP-L vision encoder a adaptéry MLP pro optimalizaci extrakce funkcí a efektivity přepínání úloh.
Nákladově efektivní škálovatelnost Z Janus Pro
Kombinuje lehká 7B-parametrová konstrukce s konkurenceschopnými cenami (oproti modelům OpenAI), což snižuje spotřebu výpočetních zdrojů pro komerční využití.
Optimalizovaný rámec školení Z Janus Pro
Pákové efekty rozšířené datové soubory a tréninkové techniky se zvýšenou stabilitou ke zlepšení přesnosti výstupu, i když jsou omezeny omezením rozlišení při obnově jemných detailů (např. úlohy OCR).
