MoMA — открытая модель персонализации изображений, разработанная как мультимодальная большая языковая модель на основе LLaVA-7B с дополнительными слоями внимания. Модель содержит 6,6 млрд параметров и рассчитана на контекст до 4096 токенов; в метаданных указан формат PyTorch и задача text-generation.

Модель предназначена прежде всего для исследований персонализированной генерации изображений. Её целевая аудитория — исследователи и энтузиасты компьютерного зрения, обработки естественного языка и машинного обучения. README не описывает конкретный процесс генерации или интерфейс подачи изображений и запросов, поэтому практические сценарии использования ограничены исследованием персонализации изображений. Лицензия в доступных данных не указана.