Tar，统一的多模态 LLM，用于视觉理解和生成通过文本对齐表示统一视觉理解和生成。

Tar，统一的多模态 LLM，用于视觉理解和生成通过文本对齐表示统一视觉理解和生成插图

Github地址：https://github.com/csuhan/Tar

论文地址：http://arxiv.org/abs/2506.18898

模型地址：https://huggingface.co/collections/csuhan/tar-68538273b5537d0bee712648

在线体验：https://huggingface.co/spaces/csuhan/Tar



微信扫描下方的二维码阅读本文

Tar，统一的多模态 LLM，用于视觉理解和生成通过文本对齐表示统一视觉理解和生成插图1

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。