Le nouveau modèle de génération d'images d'Instruct-Imagen de Google, basé sur des instructions multimodales, démontre des capacités de génération exceptionnelles. Les expériences ont prouvé que ce modèle rivalise, voire surpasse, les méthodes précédentes lors des évaluations dans le domaine et en zéro-shot, se caractérisant par sa capacité à gérer des instructions complexes et une forte capacité de généralisation. Cette technologie améliore non seulement la qualité des images, mais aussi l'alignement texte-image de manière significative.