Hugging Face Daily Papers·· 2026-10-16AI 评分37
MOSS-Image 技术报告:5B 开源 DiT 实现长文本渲染与布局控制
MOSS-Image Technical Report
AI 导读
MOSS-Image 是一个开源图像生成系统,从零预训练 5B 单流扩散 transformer(DiT),支持中英双语长文本渲染与精确布局控制,并配备意图感知的智能体提示增强模块。在长文本渲染基准 LongLongTextBench 上,其平均文本覆盖率达 96.3%,居开源权重模型首位;在 RealLayoutArena 端到端系统对比中排名第二。团队将开源模型、训练配方与评测框架。
打开原文 arxiv.org