GLM Image

GLM-Image ist ein KI-gesteuertes Bildgenerierungsmodell entwickelt von zai-org, das eine hybride autoregressive und Diffusions Decoder Architektur verwendet. Positioniert in Linie mit Mainstream Latent Diffusion Ansätzen in allgemeiner Bildgenerierungsqualität, bietet das Tool bemerkenswerte Vorteile in Szenarien, die Text Rendering und wissensintensive Generierung erfordern. Es zeigt beeindruckende Leistung bei Aufgaben, die robuste semantische Verständnis und komplexe Informationsausdruck erfordern, während es hochauflösende und detaillierte Bildgenerierung sicherstellt. Die Architektur beinhaltet einen 9B-Parameter autoregressiven Generator, initialisiert von GLM-4-9B-0414 mit zusätzlichen visuellen Token, einen Diffusions Decoder und ein Post-Training System mit dem Verstärkungslernalgorithmus GRPO, um sowohl semantisches Verständnis als auch visuelle Detailqualität zu verbessern. GLM-Image ist in der Lage, sowohl Text-zu-Bild- als auch Bild-zu-Bild-Generierung zu verarbeiten. Es bietet Fähigkeiten zur Generierung hochdetaillierter Bilder aus Textbeschreibungen und unterstützt ein breites Array an Bild-zu-Bild Aufgaben, einschließlich Bildbearbeitung, Stiltransfer, konsistente Generierung mehrerer Subjekte und identitätserhaltende Generierung.