ERNIE-Image: Baiduの8BシングルストリームDiTとPrompt Enhancer

BaiduのERNIEチームによるオープンなテキストから画像生成モデル。コンパクトな8B DiTと、短い入力を構造化された説明に拡張する軽量なPrompt Enhancerを組み合わせています。複雑な指示追従、テキストレンダリング、ポスター・漫画・マルチパネルレイアウトなどの構造化画像生成において、オープンウェイトのT2Iモデルの中でSOTAを達成。