OmniGen

OmniGen是北京智源人工智慧研究院推出的全能視覺生成模型，屬於“悟界”系列大模型，採用擴散模型架構處理文生圖、圖像編輯、主題驅動生成及視覺條件生成等任務。該模型通過統一學習框架實現跨任務知識遷移，簡化的架構支持用戶通過自然語言指令完成複雜生成需求，無需ControlNet等額外模組，並能將圖像去噪、邊緣檢測等傳統視覺任務轉換為生成問題處理，代碼與模型權重已開源。

2025年6月，該研究院推出升級版OmniGen2，延續單一架構設計並新增分離式架構（ViT+VAE雙編碼器）最佳化圖像處理能力，重構數據生成流程解決開源數據集質量問題，引入生成自我反思機制提升輸出準確性。新版本支持任意比例圖文生成、自然語言指令驅動的局部修改及元素提取生成，推理效率提升32%。模型權重、訓練代碼及數據集均向社區開源。

基本介紹

• 外文名：OmniGen
• 研發單位：北京智源人工智慧研究院

發展歷史

2024年10月30日，北京智源人工智慧研究院推出全能視覺生成模型OmniGen，標誌著圖像生成領域的重大突破。

模型簡介

OmniGen具有統一性、簡單性和跨任務知識的遷移能力，可處理多種圖像生成任務，包括文生圖、圖像編輯、主題驅動生成和視覺條件生成。統一的學習方式使得OmniGen能夠有效地跨不同任務遷移知識，應對未見過的任務和領域。OmniGen具有簡化的架構和用戶友好的操作，用戶可以通過簡單的指令完成複雜的圖像生成任務，無需額外的外掛程式或複雜的處理步驟。此外，OmniGen還能夠處理一些經典的計算機視覺任務，如圖像去噪和邊緣檢測，這些任務通過轉換為圖像生成任務來實現。當前，模型的權重和代碼已經開源。