O
Bytedance está fazendo um impulso concertado no espaço de geração de imagens AI de ponta com o SeedReam 3.0, um modelo desenvolvido por sua equipe de sementes de bytedance. Apresentado como capaz em chinês e inglês, o SeedReam 3.0 visa diretamente nomes estabelecidos como o GPT-4O e o Midjourney do Openai.
Materiais de bytedance afirmam que o modelo faz um progresso substancial na geração de imagens fotorrealistas, particularmente retratos e lidando com a renderização de texto complexa, além de fornecer resultados nativos de alta resolução e geração de geração de textos nativos. E Visão técnica oficial e a Doubao Chat Platform e a ferramenta de criação de Jimeng no início de abril de 2025; O próprio Doubao é um canal de distribuição significativo, tendo quase 100 milhões de usuários ativos mensais globalmente até março, estabelecendo um grande público em potencial principalmente na China. Geração
Uma área em que o SeedReam 3.0 procura se distinguir é a tipografia. A documentação técnica destaca os esforços para melhorar a”geração de tipografia de granulação fina”, com avanços”em particular para a renderização de texto em caracteres chineses complicados, o que é importante para a geração profissional de tipografia.”Os testes internos de reivindicações de bytedance mostram”uma taxa de disponibilidade de 94% para caracteres chineses e ingleses, eliminando efetivamente a renderização de texto como um fator limitador na geração de imagens”. recursos. Esse foco chega como outros novos modelos, como a Imagem 1.0 Reve 1.0 com preços agressivos, também competem em parte na qualidade da renderização de texto.
Melhorias na geração de retratos humanos realistas também são centrais na apresentação de Bydance, citando”realismo aprimorado na geração de retratos”. O objetivo é produzir imagens com características de pele mais naturalistas, afastando-se da estética excessivamente suavizada às vezes vista nas saídas da IA. A capacidade do SeedReam 3.0 de produzir imagens nativamente de até 2K (2048 × 2048 pixels) é apresentada como um fator que contribui para melhores detalhes da textura, contrastando com modelos que dependem de etapas de upscals separadas. O tamanho do conjunto de dados de treinamento foi aumentado substancialmente, em parte por meio de uma abordagem de”consciência de defeitos”que mascara falhas de imagem menores, em vez de descartar os dados.
O treinamento incorporou resoluções e técnicas mistas como”corda cruzada de modalidade”(posição rotativa incorporando), um método que ajusta as informações posicionais com base no contexto, para melhorar a texto para melhorar a texto para melhorar a texto para melhorar a texto para melhorar a texto para melhorar a texto para melhorar a texto para melhorar a texto para melhorar a textura. O modelo também usa objetivos de correspondência de fluxo e perda de alinhamento de representação (REPA). Para combinar melhor as preferências do usuário, o aprendizado de reforço utilizou modelos de grande linguagem de visão (VLMs), aumentados para mais de 20 bilhões de parâmetros, como juízes de recompensa. Os resultados iniciais da referência colocaram o SeedReam 3.0 próximo ao topo do Análise de Arena de Arena de Arena de Planking Ranking Ranking em torno de seu
