Hugging Face · 每日论文· 媒体 / 作者来源·精选
MOSS-Image 技术报告：5B 开源文生图模型，长文本渲染覆盖率达 96.3%
原文标题
MOSS-Image Technical Report
AI 导读
MOSS-Image 是一个开源生成系统，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；同时提出意图感知的 Agent 式提示增强模块，将用户请求转为内容与布局规格。作者还发布 LongLongTextBench 与 RealLayoutArena 两个评测基准：MOSS-Image 在 LLTB 上开源模型第一，平均文本覆盖率 96.3%；在 RLA 端到端系统对比中排第二，其骨干模型在使用统一增强提示的生成器对比中排第一。团队表示将公开模型、训练配方与评测框架。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
开源权重文生图模型在密集文字和复杂版式上长期落后于闭源系统，该工作给出了可复现的 5B 预训练配方和两个长文本/布局评测基准，96.3% 的文本覆盖率让海报、图表类图文生成更接近可直接使用。
导读由模型辅助整理，非独立核验。完整信息见原文。