微軟亞洲研究院、清華大學、北京大學、利物浦大學聯合推出功能強大的定制多語言文本編碼器Glyph-ByT5-v2和功能強大的美觀圖形生成模型Glyph-SDXL-v2，它們可以支持 10 種不同語言的準確拼寫。考慮到最新的DALLE-3 和Ideogram仍然難以完成多語言視覺文本渲染任務，該工作是一項重大進步。

Glyph-ByT5-v2+Glyph-SDXL-v2效果展示

Glyph-ByT5-v2+Glyph-SDXL-v2方法進行多語言視覺文本渲染的結果。分別在第1行、第2行、第3行、第4行和第5行展示了法語、西班牙語、中文、日語和韓語的視覺文本結果。

?

競品：DALL·E3和Ideogram 1.0生成的多語言結果的可視化展示，效果不佳

應用步驟感知偏好優化（SPO）后訓練的效果。按順序展示的圖像由以下幾行生成：第一行是Glyph-SDXL生成的圖像，第二行是Glyph-SDXL Albedo生成的圖像，最后一行是Glyph-SDXL Albedo加上SPO生成的圖像。

Glyph-ByT5-v2+Glyph-SDXL-v2如何使用：

• 頁面布局設計

• ?每一塊布局box的Prompt、Color、Font填充

Glyph-ByT5-v2+Glyph-SDXL-v2 demo體驗：

??https://huggingface.co/spaces/GlyphByT5/Glyph-SDXL-v2??

https://glyph-byt5-v2.github.io
https://arxiv.org/abs/2406.10208
Glyph-ByT5-v2: A Strong Aesthetic Baseline for Accurate Multilingual Visual Text Render

本文轉載自PaperAgent