Show-o

統一多模態理解與生成的單 Transformer 模型

GitHub Stars

1.9k+

論文

ICLR / NeurIPS

核心能力

理解 + 生成

Show-o 是 NUS Show Lab 的多模態基礎模型路線：用一個 Transformer 同時處理影像理解和影像生成，而不是把兩類能力拆成不同系統。

是什麼

Show-o 的目標是統一多模態理解和生成。它把視覺理解、文本條件生成、影像生成等能力放進一個模型框架裡，試圖減少"理解模型"和"生成模型"之間的割裂。

Show Lab 後續還推進了 Show-o2，把這條路線繼續擴充套件到更強的生成和理解能力。

多模態模型正在從拼接式系統走向統一架構。Show-o 的問題意識很直接：如果一個模型既能看懂影像，也能生成影像，很多互動式設計、編輯、視覺問答和內容生產流程會更自然。

這也是開源多模態研究裡的關鍵方向。

Show-o 把 NUS Show Lab 放在全球多模態開源研究圖譜上。對新加坡來說，它是"高校實驗室輸出前沿模型"的樣本，而不是政府專案或企業應用。

未來可以繼續追蹤 Show Lab 的模型系列、論文接受情況、Hugging Face 模型使用量和是否形成產業工具。