Midjourney公司计划在未来几个月推出“文本转视频”模型，通过在1月开始培训视频模型，强调其自然发展和在生成视频领域引入竞争动态，同时V6更新提升画质和用户体验。
“如果我必须做出预测，那在像美国这样的高收入国家，我猜我们距离普通大众广泛地使用人工智能还有18到24个月的时间。
值得一提的是，该研究已经被全球顶级机器学习大会“NeurIPS”，评选为重要论文。
其次是保持一致性，修正手部的同时不会影响图像的整体质量，保持了图像其他部分的一致性。另外，HandRefiner利用合成数据进行训练，这使得它能够有效地处理真实手和合成手之间的域差异，学习不同手的样子，并找到合适的方式来修正手部。
BakLLaVA是使用LLaVA1.5架构增强的Mistral7B基础模型，具备更好的性能和商用能力。BakLLaVA在多个基准测试中优于LLaVA213B，并且可以在某些数据上进行微调和推理。虽然BakLLaVA在训练过程中使用了LLaVA的语料库，不允许商用，但BakLLaVA2则采用了更大的数据集和更新的架构，超越了当前的LLaVA方法，具备商用能力。