MOSS-Image开源系统发布：5B扩散模型实现96.3%文本覆盖率

据论文《MOSS-Image Technical Report》，MOSI. AI团队提出开源图像生成系统MOSS-Image，将高保真视觉合成与意图感知构图相结合。研究称，该系统从零预训练一个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；同时开发意图感知的智能提示增强模块，将用户请求转化为详细的内容与布局规格。团队还提出长文本渲染评测基准LLTB与布局生成评测基准RLA。论文称，MOSS-Image在LLTB上取得开源权重模型中的最优表现，平均文本覆盖率达96.3%；在RLA端到端系统比较中排名第二，其骨干网络在共享增强提示的生成器评测中排名第一。作者表示将公开模型、训练配方与评测框架。