OmniGen2发布：创新架构与反思机制引领图像生成新变革

OmniGen2是智源研究院发布的国产开源统一图像生成模型2.0版本，一经上线便在开源社区引发广泛讨论。发布一周，GitHub星标突破2000，X上相关话题浏览量达数十万。

• 科研体验版已开放，可抢先尝试其特色能力。官方承诺，OmniGen2 的模型权重、训练代码及训练数据将全面开源，为社区开发者提供优化与扩展的基础。
• OmniGen2 玩法简单，输入提示词就能解锁丰富能力。它支持基于自然语言指令的图像编辑，能进行物体增删、颜色调整等操作；可实现多模态上下文参考的图像生成，虽更擅长保持物体相似度，但在人脸相似度方面有待提升；还能生成任意比例的图片。
• 技术上，OmniGen2 采用分离式架构解耦文本和图像，运用ViT和VAE的双编码器策略，提高图像一致性的同时保证文字生成能力。它重构了数据生成流程，解决基础数据和评估方面的难题。此外，还探索了将反思能力整合到多模态生成模型中的策略，构建了面对图像生成的反思数据。
• 在基准测试方面，OmniGen2 在已有基准上取得不错结果。为解决图片上下文参考生成任务缺乏完善公共基准的问题，团队引入了OmniContext基准 ，包含8个任务类别。OmniGen2 作为首个在该基准上接受评估的模型，总体得分7.18，超越其他领先开源模型。
• OmniGen2 依托FlagScale框架开展推理部署优化工作，通过重构推理链路和融合缓存加速策略，实现32%的推理效率提升。团队将持续推进软硬协同优化，构建高效推理部署能力体系。