近日，GitHub上开源了一个名为ViBT（Vision Bridge Transformer）的项目，该项目将布朗桥模型（Brownian Bridge Models）扩展至高达200亿参数规模，专门用于高效的图像与视频条件生成任务。ViBT的核心创新在于其采用的Transformer架构及一种方差稳定的训练目标，这使得模型在复杂的图像编辑和视频转换任务中表现出强大的鲁棒性和生成质量。这一进展标志着视觉生成模型在参数规模和任务适应性上的重要突破，为内容创作、影视后期及自动化媒体处理等领域提供了新的强大工具。该模型的大规模参数化设计，不仅提升了生成内容的细节丰富度和连贯性，也为未来多模态AI模型的发展提供了重要的技术参考。