ONE-PEACE: modelo de representación general para multimodalidad ilimitada

• Modelo de representación general que abarca modalidades de visión, audio y lenguaje
• Logra excelentes resultados en tareas unificadas incluso sin modelos preentrenados
• Su potente recuperación zero-shot emergente permite alinear modalidades no emparejadas en los datos de entrenamiento
• Audio-to-Image, Audio+Text-to-Image, Audio+Image-to-Image

[dbs0829]

Veo que superó el SOTA en muchas tareas.