Meta推出智能体型图像生成模型Muse Image

Muse Image 是以智能体而非直接提示词转图像模型的方式工作：它会调用工具、自我优化，能随着测试时计算量的扩大提升效果，还可与 Muse Spark 配合进行协作式媒体生成。🧵👇

Muse Image 会编写并执行代码，来精准实现布局、二维码这类细节，还能和 Muse Spark 合作制作带有嵌入图片、可玩视觉游戏的网站。请查看这条推文串了解更多：

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资料。启用搜索后，能提升真实世界知识、事实性相关类别的生成图像准确率。请查看这条推文串了解更多：

Muse Image 可以整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。它支持在提示词中按行内顺序混合文本和图片，来生成复杂的图像构图。请查看这条推文串了解更多：

Muse Image 创作前会先思考。在强化学习的驱动下，该模型会利用测试时计算量，实现可预测的、基于文本和视觉总 tokens 数的对数线性 Elo 缩放。

将测试时计算量分配给这种审慎推理和工具执行，得到的扩展性比标准的 Best-of-N 采样好得多。

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、完全重新生成或工具调用。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 app 中，每一张生成的图像都带有隐藏的来源信号，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款公开识别工具，用于验证由 Meta AI app 生成的图像是否存在该水印。