Chameleon 是由Meta的FAIR团队开发的一系列早期融合的基于令牌的混合模态模型。它可以同时处理图像和文本，并且可以理解和生成这两种类型的数据。换句话说，它可以阅读文字和图片，也可以创作新的文字和图片。Chameleon 可以在处理过程中无缝地在不同的数据类型之间切换。这意味着它可以在生成一段文字后，接着生成一张相关的图片，或者在描述一张图片的同时生成相关的文字。 它通过把图像和文字分解成小块（令牌），然后在一个统一的系统（transformer架构）中处理这些小块，实现了在图像和文字之间的无…