arXiv 2611.07392
WeLM-Image: 시각 지능을 향한 통합 이미지 생성 모델
WeLM-Image: A Unified Image Generation Model towards Visual Intelligence
AI추천 37
저자: Canmiao Fu, Chen Li, Guohui Zhang, Hao Lu, Hongyang Wei, Huadong Wu, Huaisong Zhang, Hubery Yin +8
개요
저자들은 텍스트-이미지 생성, 지시 기반 편집, 다중 참조 합성을 하나의 인터리브 시퀀스에서 처리하는 통합 이미지 기반 모델 WeLM-Image를 발표합니다. Mixture-of-Transformers 백본에 Mixture-of-Experts 모듈을 결합했으며(저장 파라미터 31.7B, 목표 latent 토큰당 약 5.4B 활성화), WeChat의 단일 GPU 배포를 목표로 하고 MeanFlow로 몇 단계만에 생성하는 Turbo 변형도 제공합니다.
소개
이미지 생성, 편집, 다중 참조 합성은 보통 별도의 시스템이 담당하며, 대형 모델은 소비자 규모에서 배포 비용이 높습니다. WeLM-Image는 단일 GPU에서도 실용적인 하나의 통합 모델을 목표로 합니다.
결과
1536 해상도 모델은 평가된 오픈소스 모델 중 PRISM-Bench, Qwen-Image-Bench, UnicBench에서 1위를 차지합니다. MeanFlow로 증류한 WeLM-Image-Turbo는 단일 NVIDIA H20 GPU에서 가이던스 없이 8단계만으로 1024×1024 이미지를 4.98초에 생성합니다.
결론
통합 생성·편집 모델도 오픈소스 벤치마크 상위권에 오르면서 단일 GPU 소비자 배포에 충분할 만큼 빠를 수 있음을 보여줍니다.