MOSS-Image 技术报告
报告介绍了 MOSS-Image，这是一款开放权重的文生图系统，旨在生成文字密集、布局精准的图像。系统结合了从零训练的 50 亿参数扩散 Transformer，以及一个根据用户意图增强提示词的模块。研究团队还推出了 LongLongTextBench 和 RealLayoutArena 两项评测基准。MOSS-Image 在 LongLongTextBench 的受测开放权重模型中表现最佳，平均文字覆盖率为 96.3%。在 RealLayoutArena 的端到端系统比较中排名第二；使用统一增强提示词评测生成器时，其基础模型排名第一。团队表示将发布模型、训练方案和评测框架。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。