GLM Image | z.AI

GLM-Image — это модель генерации изображений на основе ИИ, разработанная компанией zai-org, которая использует гибридную архитектуру авторегрессионного и диффузионного декодера. Она соответствует основным подходам латентной диффузии в плане качества генерации изображений и предлагает значительные преимущества в сценариях, требующих текстовой визуализации и генерации, насыщенной знаниями. Модель демонстрирует впечатляющие результаты в задачах, требующих глубокого семантического понимания и сложного выражения информации, обеспечивая при этом высокое качество и детализацию изображений. Архитектура включает авторегрессионный генератор с 9 миллиардами параметров, который инициализируется от GLM-4-9B-0414 с дополнительными визуальными токенами, диффузионный декодер и систему постобучения с алгоритмом усиленного обучения GRPO для улучшения как семантического понимания, так и качества визуальных деталей. GLM-Image может обрабатывать как генерацию изображений из текста, так и генерацию изображений из изображений. Она позволяет создавать высокодетализированные изображения на основе текстовых описаний и поддерживает широкий спектр задач по генерации изображений, включая редактирование изображений, перенос стиля, последовательную генерацию нескольких объектов и генерацию с сохранением идентичности.