HandRefiner的工作原理包括手部识别与重建以及条件修补两个过程。首先，它识别出生成图像中形状不正常的手部，并使用手部网格重建模型重建出一个正确的手部形状和手势。即使在畸形的手部图像中，HandRefiner也能够生成合理的重建结果，这得益于模型基于正常手部的训练数据。
它不仅可以从图片中提取信息并回答问题，还可以将图片转化为JSON格式。LLaVA还可以识别验证码、识别图中的物体品种等，展现出了强大的多模态能力。在性能上接近GPT-4的情况下，LLaVA具有更高的成本效益，训练只需要8个A100即可在1天内完成。
此外，M2UGen还加入了适配器和LLaMA2模型，使得该模型具备多种能力。
实施全球通信的实时语言翻译，使企业能够与多元化的客户群互动。
此外，卡迪夫大学讲师Francesca Sobande研究了具有种族模糊特征的虚拟影响者。她认为一些品牌出于营销目的给予其这些特征，以吸引更广泛的受众，这“只是另一种形式的营销”。