大模型《征服童心》 | 引爆“沉浸式故事续写”浪潮，打造全新的“故事创作”新体验！

文章预览

打造一个有温度、有趣味、专业的全栈式AI 交流社区， 用心写好每一篇文章！ “   很多孩子们都是通过听父母讲一些图文并茂的故事来接触世界，故事在孩子们的童年中扮演者至关重要的角色。 近年来，由于图像生成和开放式文本生成技术的显著进步，人们对生成交织图像文本内容的兴趣激增。这导致了多模态故事生成任务的出现，这是一项有趣而有价值的任务，涉及以交错的方式生成叙事文本和生动的图像。 本文提出了SEED Story，这是一种利用多模态大型语言模型（MLLM）生成扩展多模态故事的新方法。该模型建立在MLLM强大的理解能力之上，预测文本标记和视觉标记，随后使用经过调整的视觉去标记器对其进行处理，以生成具有一致字符和风格的图像。 作者进一步提出了多模态注意力下沉机制，利用高效的自回归方式生成多达25个序列（只有10 ………………………………