Hunyuan Image 2.1 - テンセントのオープンソースのテキストベース画像モデル

混合グラフ2.1とは何ですか？

HunyuanImage 2.1は、Tencentが開発したオープンソースのテキスト画像生成モデルです。ネイティブ2K解像度に対応し、複雑な意味を理解し、シーンの詳細、表情、動作を正確に生成する強力な機能を備えています。中国語と英語の両方の入力に対応し、漫画やフィギュアなど様々なスタイルの画像を生成しながら、画像内のテキストや詳細を安定的に制御できます。デュアルチャネルテキストエンコーダと高圧縮VAEをベースに、学習と推論の効率を大幅に向上させています。このモデルは現在オープンソース化されており、派生モデルの研究開発を促進しています。ユーザーは、TencentのHunyuan Large Modelプラットフォームを通じて、オンラインでモデルの生成機能を体験できます。

混合画像の主な機能 2.1

• 複雑な意味理解最大1000トークンまでの複雑な意味を持つ超長文プロンプトをサポートし、シーンの詳細、キャラクターの表情、複数のオブジェクトの動作を正確に生成できます。
• テキストと詳細の制御画像内のテキストをきめ細かく制御できるため、テキストが画像に自然に溶け込み、テキストエラーを減らすことができます。
• スタイルの多様性写実的なキャラクター、漫画、ビニールフィギュアなど、様々なスタイルの画像生成に対応しており、高い美的魅力も兼ね備えています。
• 高解像度生成2K解像度の画像生成をネイティブでサポートしており、高精細なデザインニーズに適しています。

混合要素イメージングの技術的原理 2.1

• デュアルチャネルテキストエンコーダー汎用テキストエンコーダとテキストエンコーダを使用することで、シーン描写、キャラクターの動作、詳細な要件をより的確に把握できます。MLLMモジュールはテキストと画像の整合性を向上させ、ByT5モデルはテキスト生成の表現力を高めます。
• 構造化キャプション構造化されたキャプションは多層的な意味情報を提供し、複雑な意味へのモデルの応答性を大幅に向上させます。OCRエージェントとIP RAGの導入により、一般的なVLMキャプション生成器が密度の高いテキストや世界知識を記述する際の欠点が解消されます。
• 高圧縮比VAE32倍の圧縮率を持つVAEを使用することで、モデルの学習と推論における計算コストを大幅に削減できます。dinov2アライメントとrepa損失を利用することで、学習の難易度が下がり、モデル生成効率が向上します。
• 2段階の集中的な研修後トレーニング：教師ありファインチューニング（SFT）と強化学習（RL）の2段階のトレーニングに基づいています。独自開発の報酬分配アライメント強化学習アルゴリズムを使用し、選択サンプルとして高品質の画像を革新的に導入することで、モデルのパフォーマンスを大幅に向上させました。
• マルチ解像度トレーニングマルチ解像度REPA損失をサポートし、モデルの収束を加速させ、生成画像の鮮明度と質感を向上させます。

Hunyuan Image 2.1 のプロジェクトアドレス

• プロジェクト公式サイト：https://hunyuan.tencent.com/image
• GitHubリポジトリ：https://github.com/Tencent-Hunyuan/HunyuanImage-2.1
• ハギングフェイスモデルライブラリ：https://huggingface.co/tencent/HunyuanImage-2.1

2.1 混合要素画像の応用シナリオ

• クリエイティブなイラストレーションとデザインデザイナーは、書籍や雑誌などの出版物で使用するために、説明に基づいて特定のスタイル、シーン、キャラクターを描いたイラストなど、高精細なクリエイティブなイラストを作成することができます。
• ポスターおよびパッケージデザイン中国語と英語の両方で宣伝スローガンを盛り込んだポスターやパッケージデザインを作成でき、テキストと画像の融合を正確に表現し、デザインの効率と品質を向上させることができます。
• 漫画制作複雑な4コマ漫画や連載漫画の制作をサポートし、クリエイターがアイデアを素早く一貫性のある漫画ストーリーに変換し、創作コンテンツを豊かにすることを可能にします。
• ゲームアートアセット生成ゲーム内のキャラクター、シーン、小道具などのアートアセットの生成をサポートし、ゲーム開発者がゲーム世界を迅速に構築し、開発コストを削減するのに役立ちます。
• 教育と学習支援教育分野では、教材となる図解を作成したり、歴史的な場面を再現したりするために使用され、生徒が知識をより直感的に理解し、学習への興味を高めるのに役立ちます。