arXiv 2610.23374
MOSS-Image 기술 보고서
MOSS-Image Technical Report
AI추천 13
저자: MOSI. AI
개요
저자들은 처음부터 사전학습한 5B 단일 스트림 디퓨전 트랜스포머(DiT)와 의도 인식 에이전트형 프롬프트 향상(PE) 모듈을 결합한 개방형 생성 시스템 MOSS-Image를 소개합니다. 이를 통해 이중 언어 장문 텍스트 렌더링과 정밀한 레이아웃 제어를 목표로 합니다. 또한 LongLongTextBench(LLTB)와 RealLayoutArena(RLA)라는 두 가지 벤치마크를 도입합니다.
소개
폐쇄형 이미지 생성 시스템은 다양한 콘텐츠를 만들어내지만, 오픈 웨이트 텍스트-이미지 모델은 여전히 밀집된 텍스트와 복잡한 레이아웃에 어려움을 겪습니다.
결과
MOSS-Image는 LLTB에서 오픈 웨이트 모델 중 최고 성능(평균 텍스트 커버리지 96.3%)을 달성했습니다. RLA의 종단간 시스템 비교에서는 2위를 기록했으며, 공유된 향상 프롬프트로 평가한 생성기 중에서는 백본이 1위를 차지했습니다.
결론
모델, 학습 레시피, 평가 프레임워크를 공개할 예정이어서 텍스트가 풍부하고 레이아웃을 고려한 이미지 생성 연구에 더 탄탄한 기반을 제공합니다.