字节开源新生图模型：一个模型统一所有生图任务，多主体融合效果SOTA​

主要观点总结

本文介绍了克雷西在凹非寺公众号上关于字节团队新模型UNO在图像生成方面的突破。UNO模型能够直接将多个参考主体放入一张图中，并解决参考驱动的图像生成中的两个主要挑战——数据可扩展性和主体可扩展性。该模型在单/多主体参考任务上表现出色，达到了SOTA水平。文章还介绍了UNO的模型架构、数据合成框架以及团队背景等信息。

关键观点总结

关键观点1: UNO模型的特点和优势

字节团队以FLUX为基础模型，提出了新的生图模型UNO，统一了图像生成任务中不同输入条件的处理。无论是单主体进行风格变换，还是不同物体的融合，UNO都能直接搞定。团队认为，UNO主要解决的是参考驱动的图像生成中的两个主要挑战——数据可扩展性和主体可扩展性。

关键观点2: UNO的模型-数据共同进化新范式

为了解决多主体参考问题，团队提出了“模型-数据共同进化”的新范式。这种范式能够在增强模型能力的同时，不断丰富可用的训练数据。UNO采用了这一种新范式，核心思想是用较弱的模型生成训练数据，训练更强的模型。

关键观点3: UNO的应用场景和效果评估

UNO在虚拟试穿和产品设计等领域有广泛的应用场景。团队进行了多项测试，包括DINO分数、CLIP-I分数、CLIP-T分数等评估指标，以及用户研究和与SOTA级模型的效果对比。结果显示，UNO在所有评估维度上都获得了较高评分，特别是在主体相似度和文本忠实度方面的表现最为突出。