Meta发布智能体式图像生成模型Muse Image

Muse Image 是以智能体而非直接的提示词到图像模型工作：它调用工具、自我优化、可随测试时计算量缩放提升效果，还能配合 Muse Spark 完成协作式媒体生成。🧵👇

Muse Image 会编写并执行代码来精准还原图表、二维码这类细节，还能和 Muse Spark 合作生成带嵌入图片的网站与可玩视觉游戏。点击查看这条完整主题串：

Muse Image 学会了搜索网络，让生成的图像基于事实、实时信息和视觉参考。启用搜索后，它生成和现实世界知识、事实准确性相关类别的图像精度会提升。点击查看这条完整主题串：

Muse Image 可以组合提示词中多张输入参考图的元素，包括人物、物体、服装、风格和环境。它支持在提示词里将文本和图片穿插排列，用来生成复杂的图像构图。点击查看这条完整主题串：

Muse Image 会先思考再创作。在强化学习的驱动下，该模型利用测试时计算，实现了可预测的、基于文本和视觉 tokens 总和的对数线性 Elo 缩放。

将测试时计算分配给这种审慎推理和工具调用，比标准的 Best-of-N 采样可扩展性好得多。

Muse Image 在它的思维链中展现出了涌现式自我优化能力，会自适应执行局部编辑、完整重生成或是调用工具。这种行为不是通过显式编程得到的，而是在 RL 训练中作为优化图像质量、最大化奖励的策略涌现出来的。

Content Seal 内置在 Meta AI 应用中，每一张生成的图像都会携带一个隐藏的来源信号，经过裁剪、压缩和调整尺寸后依然能保持完整。我们目前正在预览一个公共识别工具，用来验证由 Meta AI 应用生成的图像是否带有该水印。