# 自己回帰型マルチモーダル

VILA-Uは視覚言語理解と生成タスクを統一的に処理する基盤モデルで、単一の自己回帰フレームワークによる効率的なマルチモーダル処理を実現します。

Janusは、マルチモーダル理解と生成を統一する新しい自己回帰型フレームワークです。分離された視覚エンコーディングにより、従来の手法の限界を克服し、フレームワークの柔軟性を向上させています。

Anoleはオープンソースの自己回帰型マルチモーダルモデルで、安定拡散技術に依存せずに交錯する画像-テキスト生成が可能です。