Hugging Face Daily Papers·· 3 天前精选AI 评分60
MOSS-Image 技术报告：5B 开源扩散 Transformer 实现长文本与布局生成
MOSS-Image Technical Report
AI 导读
MOSS-Image 是一个开源扩散 Transformer 图像生成系统，从零预训练 5B 单流 DiT，支持中英双语长文本渲染和精确布局控制，并配有意图感知的智能体提示词增强模块。
推荐理由
MOSS-Image 用 5B 单流 DiT 加意图感知提示词增强，在长文本渲染和布局基准上给出开源权重模型的具体结果。
来源：Hugging Face Daily Papers · huggingface.co