- 综合排序
- 最热优先
- 最新优先
- 来自专栏码匠的流水账
ComfyUI+Lumina小试牛刀
序本文主要研究一下Lumina Image 2.0模型的中文提示词进行文生图。 _2.0_Repackaged/resolve/main/all_in_one/lumina_2.safetensors? /将该图片lumina2_basic_example下载拖拽到ComfyUI即可打开运行使用中文提示词：可爱的动漫女孩，有着巨大的毛茸茸的耳廓狐耳朵和一条大大的蓬松尾巴，金色凌乱的长发，蓝色的眼睛，穿着女仆装 负面提示词输入如下模糊，畸形手指，比例失调，低饱和度，水印生成的图如下：小结Lumina-Image 2.0 是由 上海AI Lab 团队开发的开源文生图模型，参数量仅 2.6B，基于扩散Transformer docLumina-Image-2.0Lumina_Image_2.0_RepackagedLumina Image 2.0来了！出图更快！打造精美画质，全面支持中文提示词
32900编辑于 2025-03-04 - 来自专栏SDNLAB
SDN初创公司Lumina将BGPMPLS融入白盒交换机
Lumina产品管理副总裁Kevin Woods表示，这是一种以经济高效的方式为SDN提供演进途径的能力，也可以实现自动端到端服务、供应和管理。 Kevin Woods表示Lumina已经开始部署这些新功能，直接响应Lumina FlowManager产品的两个现有一级客户的需求。 Lumina Networks首席执行官Andrew Coward表示：“Lumina与运营单一控制平面的能力不同，软件定义了现有的路由网络，并使白盒供应商能够将下一代交换协议集成到解决方案中。” Lumina公司成立于2017年4月，在2017年8月成功入手了博科公司的SDN业务板块，其主要产品是在博科SDN业务基础上的Lumina SDN控制器，Lumina Flow Manager，Lumina Lumina将继承博科的SDN控制器的200多个用户，并且将进一步扩展SDN市场。
74540发布于 2018-06-11 - 来自专栏SDNLAB
SDN初创公司Lumina获AT&T和Verizon青睐，获A轮1000万美元融资
Lumina创始人兼首席执行官Andrew Coward说：“Lumina的使命是将SDN控制带入传统网络和白盒以及虚拟基础设施中。” 该公司表示，Lumina的SDN控制器吸引了众多网络运营商，其收入比在Brocade时高出一倍以上。 值得注意的是，Verizon和AT＆T都在A轮投资了Lumina，这两家运营商之前都是Brocade的客户。 Lumina希望能够作为ODL控制器分销商，就像Red Hat在Linux上一样。 随着新一轮融资，Lumina将致力于使基于ODL的控制器占据更大的市场份额以及支持Lumina SDN控制器开发的新产品。它还将利用这笔资金扩大其他地区的业务，特别是日本市场。
73450发布于 2018-06-11 - 来自专栏机器之心
DiT架构大一统：一个框架集成图像、视频、音频和3D生成，可编辑、能试玩
://huggingface.co/Alpha-VLLM/Lumina-T2I/tree/main 论文标题：Lumina-T2X: Transforming Text into Any Modality Lumina-T2X 整体流程 如图 3 所示，Lumina-T2X 在训练过程中主要由四个组件组成，接下来进行一一介绍。 不同模态的逐帧编码。 Lumina-T2X 系列 Lumina-T2X 系列模型包括了 Lumina-T2I、Lumina-T2V、LuminaT2MV 和 Lumina-T2Speech。 Lumina-T2I 的高级应用 除了基本的文本生成图像之外，文本到图像版本的 Lumina-T2I 还支持更复杂的视觉创作，并作为基础模型产生富有创造力的视觉效果。 RoPE 的平移不变性增强了 Lumina-T2X 的分辨率外推潜力，使其能够生成域外分辨率的图像。Lumina-T2X 分辨率最高可以外推到 2K。 风格一致性生成。
1.3K10编辑于 2024-05-14 - 来自专栏AIGC 先锋科技
从文本到图像：Lumina-mGPT 展现卓越的光学真实图像生成能力 ！
Lumina-mGPT 基于预训练的多模态生成预训练（mGPT）表示，Lumina-mGPT实现了灵活的光弹性图像生成以及视觉和语言任务的一体化。 具体来说，作者分别采用Lumina-mGPT和Lumina-Next-SFT作为自回归和扩散模型代表。 如图5所示，Lumina-mGPT在不同的随机种子下具有更高的多样性，而Lumina-Next-SFT生成的图像布局和纹理相同。这部分原因在于Lumina-mGPT中使用了高温和顶k值。 作者还比较了Lumina-mGPT和Lumina-Next-SFT之间在文本渲染和多语言理解能力上的差异。 如图6所示，Lumina-mGPT的文本合成结果显著优于Lumina-Next-SFT，而Lumina-Next-SFT在生成任何完整的字符上都有困难。
86610编辑于 2024-08-19 Lumina-mGPT 2.0横空出世：自回归模型终结扩散时代？媲美DALL·E 3，更自由、更全能！
然而，Lumina-mGPT 并未在此方向上进行探索。 Lumina-mGPT 2.0 Lumina-mGPT 2.0 的方法论，其具有以下三个特征： 1）独立架构，2）统一多样的生成任务，3）优化的推理策略。 与依赖预训练 Chameleon 7B 和 34B 模型微调的 Lumina-mGPT 不同，Lumina-mGPT 2.0 是一个完全独立的模型。 此外，本文对 Lumina-mGPT 2.0 与 Janus Pro 以及其前身 Lumina-mGPT 所生成的 T2I 结果进行了对比分析，如下图 8 所示。 目前，Lumina-mGPT 2.0 在思考过程中依赖外部大语言模型。未来的改进目标是使 Lumina-mGPT 2.0 能够自主进行思考。
36210编辑于 2025-08-27- 来自专栏Debian中国
TrueOS 17.12 发布，基于 FreeBSD 的桌面 Linux 发行
该版本的重点是大量的清理和让 TrueOS 的独特功能更加稳定：OpenRC，引导速度，可移动设备管理，SysAdm API 和 LibreSSL 集成，Lumina 改进等等。 正如预期的那样，TrueOS 17.12 将 Lumina Desktop 1.4.1 作为默认的桌面环境，带来了新的主题引擎和 ZFS 集成。 对于不想使用 Lumina 桌面环境的用户，可选择诸如 Xfce 4.12，LXDE 1.0，MATE 1.18.0，KDE 4.14.3，GNOME 3.18.0 和 Cinnamon 2.4.6 桌面环境的版本
1.4K30发布于 2018-12-20 - 来自专栏SDNLAB
OpenDaylight即将迈入“七年之痒”？
Lumina Networks Lumina Networks于2017年收购了博科的SDN控制器，现在命名为Lumina SDN控制器，其基础是OpenDaylight。 为了确保与ODL的代码库100%兼容，Lumina将对其SDN控制器进行增强，使之回到开源社区。Lumina的优势在于其基于ODL的SDN控制器可以在同一个平台上管理物理和虚拟。 2018年8月，Lumina Networks利用其OpenDaylight专业知识帮助有线电视运营商管理来自不同供应商的电缆调制解调器终端系统（CMTS）的服务质量。
1.2K20发布于 2019-05-17 - 来自专栏未来先知
Lunima-OmniLV：多模态多Low-Level视觉框架，1K分辨率达佳效并助力系统构建 !
基于基于扩散Transformer（DiT）的生成先验，llm-Lumina-OmniLV_2504支持任意分辨率——在1K分辨率下达到最佳性能——同时保留细粒度细节和高保真度。 与受限于固定分辨率的先前模型不同，llm-Lumina-OmniLV_2504支持任意分辨率，在1K分辨率下达到最佳性能。 此外，Lumina-Next采用流匹配公式，提高了训练稳定性并加速了收敛。 llm-Lumina-OmniLV_2504统一了多种Low-Level视觉任务，同时确保了强大的多模态条件化和情境学习能力。 3.2. llm-Lumina-OmniLV_2504支持文本 Prompt 和视觉 Prompt 来指导生成过程。
41500编辑于 2025-05-12 每周AI论文速递（240805-240809）
Lumina-mGPT: Illuminate Flexible Photorealistic Text-to-Image Generation with Multimodal Generative Pretraining Lumina-mGPT：多模态生成式预训练在灵活逼真文本到图像生成中的应用 我们提出了 Lumina-mGPT，这是一系列多模态自回归模型，能够执行各种视觉和语言任务，尤其擅长从文本描述生成灵活的逼真图像 与现有的自回归图像生成方法不同，Lumina-mGPT 采用预训练的仅解码器 Transformer 作为统一框架来建模多模态 Token 序列。 此外，我们引入了全面监督微调（Omni-SFT），将 Lumina-mGPT 转变为一个能够无缝实现全面任务统一的基础模型。
28210编辑于 2025-04-08- 来自专栏【元壤教育】AIGC提示词工程师
【吴恩达-AIGC/ChatGPT提示工程课程】第五章 - 推断 Inferring
\ Lumina seems to me to be a great company that cares \ about their customers and products!! \ 在我看来，Lumina 是一家非常关心顾客和产品的优秀公司！ """ 情感（正向/负向） 现在让我们来编写一个prompt来分类这个评论的情感。 lamp_review}''' """ response = get_completion(prompt) print(response) { "Item": "lamp", "Brand": "Lumina {lamp_review_zh}''' """ response = get_completion(prompt) print(response) { "物品": "卧室灯", "品牌": "Lumina "Sentiment": "positive", "Anger": false, "Item": "lamp with additional storage", "Brand": "Lumina
52410编辑于 2023-05-01 - 来自专栏Michael阿明学习之路
用ChatGPT总结和推断
在我看来，Lumina是一家关心客户和产品的伟大公司！！ """ prompt = f""" 下面的产品评论是什么样的观点？ 文本: '''{lamp_review}''' """ response = get_completion(prompt) print(response) 输出：这个评论是积极的，对Lumina公司的产品和售后服务都有好评 lamp_review}''' """ response = get_completion(prompt) print(response) 输出： { "Item": "灯", "Brand": "Lumina get_completion(prompt) print(response) 输出： { "Sentiment": "正向", "Anger": false, "Item": "灯", "Brand": "Lumina
50320编辑于 2023-05-26 - 来自专栏企鹅号快讯
Ruby 在缓慢衰落，缺少爆发点是关键；Google 明年关闭增强现实项目 Project Tango
该版本的重点是大量的清理和让 TrueOS 的独特功能更加稳定：OpenRC，引导速度，可移动设备管理，SysAdm API 和 LibreSSL 集成，Lumina 改进等等。 正如预期的那样，TrueOS 17.12 将 Lumina Desktop 1.4.1 作为默认的桌面环境，带来了新的主题引擎和 ZFS 集成。
1.1K50发布于 2018-02-13 - 来自专栏计算机视觉CV
腾讯大模型驾到--混元初体验
\在我看来，Lumina 是一家非常关心顾客和产品的优秀公司。```用一个单词回答：「正面」或「负面」。回答：正面。问题：以下用三个反引号分隔的产品评论的情感类型是什么？ \在我看来，Lumina 是一家非常关心顾客和产品的优秀公司。```回答：正面，积极，优秀公司，关心顾客，产品。 \在我看来，Lumina 是一家非常关心顾客和产品的优秀公司！} ```回答：{"Sentiment": "正面","Anger": "否","Item": "卧室灯","Brand": "Lumina"}完美~再看看另一个推理主题的例子问题；确定以下给定文本中讨论的五个主题
1.1K81编辑于 2023-11-15 - 来自专栏秘籍酷
Linux音视频（YUV图像数据格式）
YUV三个字母中，其中"Y"表示明亮度（Lumina nce或Luma），也就是灰阶值，而"U"和"V"表示的则是色度（Chrominance或Chroma），作用是描述影像色彩及饱和度，用于指定像素的颜色
96020发布于 2019-08-08 - 来自专栏云深知网络 可编程P4君
开源SDN控制器发展全景图！
的前景已经无需太多关注 ONF功败垂成，Intel官宣收购研发团队 OpenDaylight—> ODL背靠LFN好乘凉 作为根正苗红的SDN控制器 在甲方和乙方的共同魔改之下 近些年来还算是笼络一些忠实的粉丝 Lumina
92010编辑于 2023-02-15 - 来自专栏机器之心
南洋理工&普渡大学提出CFG-Zero*：在Flow Matching模型中实现更稳健的无分类器引导方法
近年来，Flow Matching 作为一种更具可解释性、收敛速度更快的生成范式，正在逐步取代传统的基于随机微分方程（SDE）的扩散方法，成为主流模型（如 Lumina-Next、Stable Diffusion 在图像生成任务中，研究团队选用了 Lumina-Next、SD3、SD3.5、Flux 等当前 SOTA 模型进行对比实验，结果显示 CFG-Zero* 在 Aesthetic Score 与 CLIP
55810编辑于 2025-04-10 揭秘分布式外星数据存储与AI控制技术
技术架构揭秘某技术联盟（原 CosmicMind、OmniCorp、Nexus Global 和 Lumina AI）于2027年创建名为“奇点联盟”的分布式地外数据存储系统。
22700编辑于 2025-09-18- 来自专栏新智元
无痛提升文本对齐！无分类引导新范式CFG-Zero*火了，支持Diffusers/ComfyUI
近年来，Flow Matching作为一种更具可解释性、收敛速度更快的生成范式，正在逐步取代传统的基于随机微分方程（SDE）的扩散方法，成为主流模型（如Lumina-Next、Stable Diffusion 在图像生成任务中，研究团队选用了Lumina-Next、SD3、SD3.5、Flux等当前SOTA模型进行对比实验，结果显示CFG-Zero⋆在Aesthetic Score与CLIP Score两项核心指标上均优于原始
54110编辑于 2025-04-13 每周AI论文速递（251006-251010）
Lumina-DiMOO: An Omni Diffusion Large Language Model for Multi-Modal Generation and Understanding Lumina-DiMOO ：面向多模态生成与理解的全能扩散大语言模型 我们推出 Lumina-DiMOO——一个开源基础模型，能够实现无缝的多模态生成与理解。 这种创新方案使 Lumina-DiMOO 相比之前的自回归 (AR) 或混合 AR-扩散范式具有更高采样效率，并能灵活支持广泛的多模态任务，包括：文本到图像生成、图像到图像生成（如图像编辑、主题驱动生成和图像修复等 Lumina-DiMOO 在多项基准测试中达到业界最优性能，超越现有开源统一多模态模型。为推动多模态与离散扩散模型研究的进展，我们已向社区公开代码和模型检查点。 项目页面：https://synbol.github.io/Lumina-DiMOO From What to Why: A Multi-Agent System for Evidence-based
33010编辑于 2025-11-20
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号