多模态创意生成

多模态创意生成指模型能够跨越多于一种信息模态进行理解与生成，例如同时处理文本、图像、音频、视频或3D几何数据。

多模态创意生成方向的主要技术难点在于：训练数据获取成本高（尤其是带标注的视频与3D场景）、算力消耗大、评测标准尚未统一。