New Model Architecture

GLM Image
文字表現に強いAI画像生成

GLM Imageは、画像内の文字を正確に描くことと、複雑な情報を視覚化することに強みを持つ画像生成・編集モデルです。テキストまたは参照画像から、ポスター、図解、商品画像などを作成できます。

GLM Imageを選ぶ理由
GLM Imageの主な機能

GLM Imageは、9Bの自己回帰型ジェネレーターと7Bの拡散デコーダーを組み合わせることで、優れたテキストレンダリングと知識集約型生成を実現します。GLM Imageは、セマンティックな理解と、高精細なディテールを持つ複雑な視覚コンテンツの作成に優れています。

GLM Imageは、最先端のハイブリッド自己回帰型+拡散デコーダーアーキテクチャを特徴とし、合計160億のパラメーターを備えています。このモデルには、優れたテキストレンダリング精度を実現する特殊なグリフエンコーダーが搭載されています。

GLM Imageは、CVTG-2Kベンチマークで0.9116の単語精度を達成し、同等のオープンソースモデルを上回っています。GLM Imageは、正確なテキストと複雑な情報表現を含む画像を生成するのに優れています。

GLM Imageは、知識集約型シナリオにおいて大きな優位性を示し、複雑な視覚タスクに対して意味理解と高忠実度な詳細生成を維持します。

GLM Imageは、最適化された美的整合性、意味的正確性、およびテキスト忠実性を実現するために、GRPOアルゴリズムとモジュール型フィードバック戦略を用いたデカップリング強化学習を採用しています。

主な機能と使い方

GLM Imageの仕組みと、そのハイブリッドアーキテクチャがいかに優れたテキストレンダリング精度と知識集約型ビジュアル生成を実現するかをご覧ください。

GLM Imageは、ハイブリッドな自己回帰型+拡散アーキテクチャを特徴とする160億パラメータのAIモデルです。GLM Imageは、テキストから画像への生成と画像から画像への生成の両方をサポートしており、画像編集、スタイル転送、およびアイデンティティ保持生成を含みます。

GLM Imageは、9Bの自己回帰型ジェネレーターと7Bの拡散デコーダー、そして特殊なGlyph Encoderを組み合わせています。このハイブリッドアーキテクチャにより、GLM Imageは卓越したテキストレンダリング精度を実現し、知識集約型生成タスクにおいて優れた性能を発揮します。

GLM Imageは、CVTG-2Kベンチマークで0.9116の単語精度を達成し、同等のオープンソースモデルを大幅に上回っています。GLM ImageのGlyph Encoderは、画像内の正確なテキスト生成に特化しています。

GLM Imageは、GRPOアルゴリズムを用いたデカップリング強化学習を採用しています。GLM Imageは、美的・意味的整合性と、詳細の忠実性・テキストの正確性を個別に最適化するモジュール型フィードバック戦略を用いることで、優れた結果をもたらします。

GLM Imageは、テキストから画像への生成、画像から画像への編集、スタイル転送、アイデンティティ保持生成、複数被写体の一貫性作業をサポートしています。GLM Imageは、セマンティックな理解を必要とする知識集約型シナリオにおいて特に優れています。

GLM Imageは、知識集約型生成シナリオにおいて顕著な優位性を示します。GLM Imageは高い意味理解度を維持し、高精細なディテールを保ちながら複雑な情報を表現できます。

GLM Imageには、80GB以上のメモリを搭載した単一GPU、または複数のGPU構成が必要です。ターゲット画像の解像度は32で割り切れる必要があります。GLM ImageはMITライセンスでリリースされており、Apache 2.0コンポーネントを含みます。

Limited Time Offer

作りたい画像を文章で説明するか、編集したい画像を追加してください。ポスターの文字、図解、商品画像など、内容を正確に伝えたい制作に適しています。