Stable Diffusionなどのモデルの登場は、画像生成分野における大きな進歩を示しましたが、自己回帰言語モデルとの根本的な違いが、統一された言語ビジョンモデルの開発を妨げていました。この問題を解決するために、研究者らはMeissonicを発表しました。これは、非自己回帰マスク画像モデリング（MIM）テキストツーイメージ技術を、SDXLなどの最先端の拡散モデルに匹敵するレベルまで向上させました。Meissonicの核心は、一連のアーキテクチャの革新と、高度な位置エンコーディングにあります。

最近、研究チームが共同でMeissonicというオープンソースのAI画像生成モデルを発表しました。驚くべきことに、このモデルはわずか10億パラメーターしか使用していませんが、高画質の画像を生成できます。このコンパクトな設計により、Meissonicはモバイルデバイス上でローカルなテキスト画像変換アプリケーションを実現する可能性を秘めています。この技術の開発には、阿里巴巴、Skywork AI、複数の大学に所属する研究者らが参加しています。彼らは独自のトランスフォーマーアーキテクチャと革新的なトレーニング方法を採用することで、…