Meta发布智能体架构图像生成模型Muse Image

Muse Image 是以智能体而非直接提示词生成图像模型的方式工作：它调用工具、自我优化，会随测试时计算规模提升效果，还可搭配 Muse Spark 完成协作式媒体生成。🧵👇

Muse Image 可以编写并执行代码，精准实现图表、二维码这类细节，还能和 Muse Spark 协作生成带有嵌入图片的网站、可游玩的视觉游戏。点击查看本串内容：

Muse Image 会学习搜索网络，让生成的图像基于事实、实时信息和视觉参考。开启搜索后，它能提升和真实世界知识、事实性相关类别的生成图像准确性。点击查看本串内容：

Muse Image 可以从提示词里的多张输入参考图中合成元素，包括人物、物体、服装、风格和环境。它支持在提示词里交错插入文本和图像，完成复杂图像合成。点击查看本串内容：

Muse Image 会先思考再创作。在强化学习驱动下，该模型利用测试时计算，基于文本和视觉 token 的总数量实现可预测的对数线性 Elo 缩放。

把测试时计算分配给这种审慎推理和工具调用，得到的可扩展性明显优于标准的 Best-of-N 采样。

Muse Image 在它的思维链中展现出了涌现式自我优化能力，能自适应执行局部编辑、完全重新生成或是调用工具。这种行为不是被显式编程出来的，而是在 RL 训练中作为优化图像质量、最大化奖励的策略自然涌现的。

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