跳到正文
arXiv · 机器人与计算机视觉· MOSI. AI·· 2026-10-19精选AI 评分84

MOSS-Image 技术报告:开源图文生成系统实现长文本与复杂布局的最优表现

MOSS-Image Technical Report

AI 导读

针对开源图文生成模型在处理密集文本和复杂版式上的不足,该研究提出了 MOSS-Image 系统。该系统通过从头预训练的 5B 参数单流扩散 Transformer(DiT)实现了双语长文本渲染与精确的版式控制,并开发了意图感知代理提示增强模块以将用户请求转化为详细的内容与布局规范。

推荐理由

开源图文生成系统 MOSS-Image 在长文本渲染与复杂布局控制上达到开源模型最优,并同步开放训练配方与评测基准。

来源:arXiv · 机器人与计算机视觉 · arxiv.org