浙江
商湯科技SenseNova U1信息圖增強版上線后得到很多創作者和開發者的積極反饋而隨著 GPT-Image-2 等新一代商業圖像生成模型的出現行業期待也在快速提高模型不只要畫得像還要能處理更長文本更復雜的版式結構以及更穩定的圖文對應關系
基于這一技術趨勢我們對SenseNova U1信息圖增強版進行了專項迭代推出SenseNova U1信息圖增強版V2SenseNova-U1-8B-MoT-Infographic-V2希望把這類高信息密度圖像生成能力以更開放更輕量的 8B-MoT 模型形式持續推進讓開源模型在小字清晰度復雜排版和視覺質感上不斷向行業前沿靠近
該模型權重已在 Hugging Face 和魔搭社區開放相關代碼文檔與示例已同步至 GitHub
小字清晰度和復雜版式升級回應真實創作場景
如果說前一個版本SenseNova U1信息圖增強版SenseNova U1-8B-MoT-Infographic能做到的是文字準確圖表可靠背景穩定信息圖增強版V2的跨越式突破就是讓AI真正懂得如何把信息圖做得更美小字更清晰排版疏密有致整體質感向專業設計師看齊
以下是V2版本生成的部分信息圖
V2模型進行的關鍵升級包括
1小文本更清晰信息細節更好讀
信息圖中的腳注數據來源表格注釋坐標軸標簽及免責聲明等小字往往承載著關鍵的輔助信息過去模型生成的圖片邊緣極易模糊筆畫粘連導致用戶需要放大數倍去猜字作品也顯得專業度欠缺
V2版本顯著提升了小字文本的邊緣銳利度和清晰度以下報紙版面設計的渲染圖無需反復放大在正常閱讀距離下即可對各類小字信息數據一目了然
2駕馭復雜密集排版自帶設計師視覺
當信息密度極高時信息圖的模塊之間容易相互擠壓導致視覺路徑混亂閱讀體驗差
V2版本將復雜密集排版與整體美觀度作為核心升級方向通過培養模型對網絡結構視覺層級和語義對應關系的深層理解讓畫面排版疏密有致條理清晰在以下生成商業海報游戲指南知識圖譜等場景中圖像的專業度美觀精致度和整圖可用性均大幅提升
面向更多真實場景持續突破專項與通用能力并重
優質的生圖效果源于信息圖增強版V2在底層訓練機制上的創新與重構
? 專項強化方面在 MT 中期訓練/ SFT監督微調階段我們引入更多更好的高質量合成/真實數據并重新平衡信息圖相關樣本內分布以及和其他數據分布進一步優化訓練數據組成針對小字渲染復雜密集排版和高美觀度生成能力進行了專項強訓? 視覺質感方面在 RL強化學習階段引入了 DPO直接偏好優化訓練從人類視覺審美出發整體拉高視覺質感? 穩定性提升方面在 GRPO組相對策略優化階段進一步優化了獎勵配方reward recipe從機制上讓模型能夠更穩定地避免非預期暗色背景的出現
得益于這一套組合拳信息圖增強版V2交出亮眼答卷
? 在開源模型中保持領先并較前代顯著提升相比舊版本V2版本在 BizGenEvalhard/easy困難與簡單測試集上得分從 46.6 / 65.4 躍升至 50.3 / 67.9分別提升 +3.7 / +2.5在 IGenBenchQ-ACC/I-ACC指標上也由 69.5 / 17.0 提高到 71.4 / 18.3分別提升 +1.9 / +1.3
舊版本生成
V2版本生成
? 通用生成能力保持穩定綜合測評指標 OneIGEN/ZH得分為 55.4 / 53.5與上一版基本持平這表明V2在信息圖專項能力顯著提升的同時并未明顯犧牲通用生成能力
V2在OneIG (EN, ZH), LongText (EN, ZH), BizGenEval (Easy, Hard), CVTG and IGenBench 的綜合能力表現
信息圖基準表現
作者：虎嗅看點
來源：雪球
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
