通義千問(wèn)發(fā)布了首個(gè)開(kāi)源圖像生成基礎(chǔ)模型Qwen-Image，Qwen-Image是一個(gè)200億參數(shù)的MMDiT模型，是通義千問(wèn)系列中首個(gè)圖像生成基礎(chǔ)模型。

　　該模型在文本渲染方面表現(xiàn)卓越，支持中英文多行段落級(jí)高保真文本渲染，對(duì)復(fù)雜場(chǎng)景和細(xì)粒度細(xì)節(jié)處理能力強(qiáng)。Qwen-Image具備一致性的圖像編輯能力，通過(guò)增強(qiáng)的多任務(wù)訓(xùn)練范式，在編輯過(guò)程中能保持內(nèi)容的一致性。

　　在GenEval、DPG、OneIG-Bench、GEdit、ImgEdit、GSO等多個(gè)公開(kāi)基準(zhǔn)測(cè)試中，Qwen-Image均取得了最先進(jìn)(SOTA)的性能。特別是在LongText-Bench、ChineseWord和TextCraft等文本渲染基準(zhǔn)上，Qwen-Image表現(xiàn)突出，尤其是在中文文本渲染方面大幅領(lǐng)先現(xiàn)有模型。Qwen-Image能夠準(zhǔn)確渲染海報(bào)、PPT頁(yè)面等多種包含復(fù)雜文本和圖像組合的場(chǎng)景。 

無(wú)人機(jī)用上“空中高德”...

最后一頁(yè)