中國聯通宣布,聯通數據智能公司打造、首個完全在國產昇騰AI軟硬件平臺上實現訓練和推理的中文原生文生圖模型“聯通元景文生圖模型”,正式開源。
該模型實現了多項自主創(chuàng)新突破:
首先是在架構上,通過在SDXL架構中融合復合語言編碼模塊,實現了對中文長文本、多屬性對應和中文特色詞匯的精確語義理解,對應圖像的生成效果得到了極大提升。
其次是在昇騰AI大規(guī)模算力集群上,實現了中文原生文生圖模型的訓練和推理,并將模型和代碼對業(yè)界開源,以推動文生圖領域的國產化進程。
據悉,原始SDXL的語言編碼器僅使用英文CLIP模型,智能支持英文文本輸入,輸入長度也不能超過77個token。
對此,聯通元景文生圖模型一方面將英文CLIP模型替換成中文CLIP,并引入復合語言編碼架構,使用基于encoder-decoder架構的語言模型,突破文本長度限制。
通過引入復合語言編碼模塊,元景文生圖模型實現了原生中文語義理解,避免了利用翻譯插件等作為中介調用英文文生圖模型造成的中文信息損失。
同時,通過引入海量中文圖文對數據進行預訓練,模型對中文專屬名詞,如鼠標-老鼠、仙鶴-吊車等英文模型易混淆的對象,以及中文菜譜等英文模型無法理解的名詞,都能夠準確理解并生成對應的高質量圖片。