视觉文本渲染

专注多语言场景的机器学习视觉文本渲染模型，提升渲染美学质量 Glyph-ByT5-v2是一款专注多语言视觉文本渲染的机器学习模型，通过构建高质量多语言字形文本与平面设计数据集，搭建多语言视觉段落基准，采用步态感知偏好学习方法优化渲染效果，可支持10种不同语言的精准视觉文本渲染，相较于同类模型，在渲染结果的美学呈现上有明显提升，可为平面设计等相关场景提供技术支撑。

字符感知定制文本编码器，提升文生图视觉文本渲染准确率 Glyph-ByT5通过微调字符感知的ByT5编码器，搭配精心策划的成对字形文本数据集训练实现优化。与SDXL集成得到Glyph-SDXL后，将文生图的文本渲染准确率从不足20%提升至近90%，支持数十到数百字符的段落自动多行布局，微调少量真实数据后，开放域真实图像文本渲染能力也大幅提升，为定制文本编码器探索提供参考。