oboro: 基于流变换子扩散 Transformer 采用 MMH 注意力的有限数据文本到图像合成
人工智能
2025-11-12 v1
摘要
本项目作为「后5G信息与通信系统基础设施强化研发项目」中的第二学期选定项目进行，属于日本经济产业省(METI)和新能源产业技术发展组织(NEDO)主导的「竞争性生成式 AI 基础模型(GENIAC)」项目。为解决日本动画产业中劳动力短缺等挑战，本项目旨在从零开发图像生成模型。本报告详细介绍了开发的图像生成模型"oboro:"的技术规格。我们开发了"oboro:"，这是一款基于仅使用版权已清的图像进行训练而构建的全新图像生成模型。其关键特征是架构设计，旨能在有限数据集上生成高质量图像。该基础模型的权重和推理代码与本报告一同公开。本项目标志着日本全程开发的首个开源、面向商业应用的图像生成 AI 的发布。AiHUB 源自开源社区，通过透明的开发过程，旨在为日本的 AI 研究人员和工程师社区做出贡献，并推动国内 AI 生态系统的发展。
引用
@article{arxiv.2511.08168,
title = {oboro: Text-to-Image Synthesis on Limited Data using Flow-based Diffusion Transformer with MMH Attention},
author = {Ryusuke Mizutani and Kazuaki Matano and Tsugumi Kadowaki and Haruki Tenya and Layris and nuigurumi and Koki Hashimoto and Yu Tanaka},
journal= {arXiv preprint arXiv:2511.08168},
year = {2025}
}
备注
11 pages, 10 figures