跳到正文

Mini-Gemini

兼具图像理解与生成的多模态模型

访问官网

Mini-Gemini 是什么

Mini-Gemini 被介绍为由香港中文大学贾佳亚团队开发的多模态模型,具备精准的图像理解能力和高质量的训练数据。资料称它结合图像推理与生成,提供不同规模的版本,并称其性能与 GPT-4 和 DALL-E 3 相媲美。

你可以用它做什么

  • 理解并生成图像
  • 处理高分辨率图像
  • 处理多模态输入
  • 根据文本提示生成图像并分析对比图像内容

模型说明

  • 采用 Gemini 的视觉双分支信息挖掘方法并配合 SDXL 技术
  • 用卷积网络编码图像,借 Attention 机制挖掘信息
  • 由大语言模型生成文本,链接两个模型
  • 提供不同规模的版本

资料列举的案例

  • 依照图片内容指导做面包
  • 对比电脑图片参数
  • 绘制毛线小熊图片

优点与缺点

✓ 我们认可的地方

  • 资料称具备精准的图像理解能力和高质量训练数据
  • 图像推理与图像生成都被覆盖

! 需要留意的地方

  • 图像生成与资料提到的 SDXL 技术相绑定
  • 两个模型之间由大语言模型生成的文本链接

常见问题

由谁开发?

资料写明由香港中文大学贾佳亚团队开发。

用到了哪些技术?

资料列出视觉双分支信息挖掘、SDXL、卷积网络编码图像、Attention 机制,以及用大语言模型生成文本链接两个模型。

最后评测: 2026-11-15

更多 AI 图像生成 工具

查看全部 →

评测方法