Meituanは、オープンソースの最先端技術において最高レベルの編集機能を実現する画像生成モデル「LongCat-Image」をリリースした。

Meituanは、60億個のパラメータを持つ画像生成モデル「LongCat-Image」を公開し、オープンソース化しました。このモデルは、テキストベースの画像生成と画像編集機能において、より大規模なモデルに匹敵する性能を発揮します。主な技術的特長としては、均一なアーキテクチャとプログレッシブラーニングを採用することで、画像編集における最先端の制御性を実現していること、コース学習と文字レベルのエンコーディングによって中国語テキスト生成の網羅性と精度を大幅に向上させていること、そしてデータフィルタリングと敵対的学習によって画像のリアリズムを高めていることが挙げられます。