MOSS-Image: 레이아웃 제어와 ComfyUI 지원을 갖춘 5B DiT
OpenMOSS가 레이아웃 JSON 제어와 뛰어난 텍스트 렌더링을 갖춘 5B 텍스트 기반 이미지 생성 DiT인 MOSS-Image를 공개했습니다. Base와 SFT 체크포인트, 그리고 출시 당일 ComfyUI 지원도 함께 제공됩니다.
MOSS-Image는 OpenMOSS의 새로운 5B 텍스트 기반 이미지 생성 모델 패밀리로(GitHub | 사용자 가이드), 10월 16일에 두 개의 체크포인트와 함께 공개되었습니다. 파인튜닝을 위해 유지된 사전 학습 체크포인트 MOSS-Image-Base와, 대부분의 사용자가 실행해야 하는 MOSS-Image-SFT입니다. FLUX.2 잠재 데이터 공간의 단일 스트림 확산 트랜스포머에 기본 Qwen3.5-9B 텍스트 인코더를 결합한 구조라서, ComfyUI가 새로 로드해야 하는 구성 요소는 DiT 하나뿐입니다. 핵심 지원은 같은 날 Comfy-Org/ComfyUI PR #17095에서 병합되었습니다(Kijai 기여).
MOSS-Image-Base와 MOSS-Image-SFT 샘플. 출처: OpenMOSS
이 모델이 내세우는 강점은 원시적인 사실적 표현이 아니라 텍스트와 구조입니다. 영어와 중국어 텍스트를 읽을 수 있게 렌더링하고, 최대 4K 토큰의 프롬프트를 받아들이며, 장면을 설명한 뒤 텍스트 상자와 오브젝트를 바운딩 박스로 배치하는 JSON 레이아웃 모드를 추가합니다. OpenMOSS는 또한 베이스 모델의 LoRA 파인튜닝을 강조하며, 다양한 GPU 플랫폼에 걸쳐 이 패밀리를 학습시켰습니다.
레이아웃 제어
레이아웃 모드에서 프롬프트는 전체 장면을 위한 summary와 개별 요소를 위한 items 배열로 구성된 JSON 문서가 됩니다. 각 항목은 label(text, character, object), caption, bbox를 가지며, 텍스트 항목은 렌더링할 문자열도 함께 가집니다. 바운딩 박스는 bbox_coord_space: "abs_centralized" 좌표에서 bbox_format: "yxyx"를 사용하는데, 이는 캔버스 중심으로부터의 픽셀 오프셋입니다.
레이아웃 설명으로 생성한 포스터에 박스를 겹쳐 그린 모습. 출처: OpenMOSS
레이아웃이 데이터이기 때문에 편집은 구조화됩니다. 캡션을 바꾸거나 박스를 옮기면 구성에서 그 부분만 변경됩니다. ComfyUI는 새 핵심 노드인 MOSS-Image Layout Prompt를 통해 이를 노출하며, 이 노드는 바운딩 박스 생성으로 만든 박스를 모델의 레이아웃 JSON으로 변환합니다.
텍스트 렌더링
영어와 중국어 모두에서의 텍스트 렌더링이 대표적인 기능이며, 프롬프트에서 줄 바꿈을 지정하지 않으면 모델이 스스로 줄 바꿈을 삽입합니다. 프롬프트는 자연어, booru 스타일 태그 나열, 또는 레이아웃 JSON이 될 수 있으며, 권장 태그 순서는 Quality, Score, Meta, Year, Character, Series, Artist, General입니다.
단일 프롬프트로 생성한 텍스트 중심 구성. 출처: OpenMOSS
Base와 SFT 비교
두 체크포인트는 아키텍처와 파이프라인을 공유합니다. Base는 전체 학습 신호를 보존하며 추론 파라미터의 증류가 없습니다. 그래서 사용자 가이드에서는 50 스텝 이상과 CFG 3을 권장하며, 프로젝트에서는 LoRA 학습의 시작점으로 권장합니다. SFT는 선별된 데이터로 파인튜닝되었으며, OpenMOSS는 동일한 프롬프트에서 더 정돈된 텍스트 그룹화와 더 조직적인 레이아웃을 생성하는 것을 보여줍니다.
 |  |
|---|---|
| MOSS-Image-Base | MOSS-Image-SFT |
권장 설정
| 설정 | 권장 사항 |
|---|---|
| 샘플러 | Flow-matching Euler |
| 스텝 | 50 이상 |
| CFG | 3 (범위 3~6) |
| Shift | 5 |
| 레이어 건너뛰기 | 레이어 22에서 네거티브 분기 건너뛰기 (22, 24, 26도 도움됨) |
| 해상도 | 1M, 1.5M, 2M 픽셀 권장. 0.25M(512×512)부터 4M까지 지원, 16의 배수 |
| 네거티브 프롬프트 | nsfw, worst quality, bad anatomy, watermark, jpeg artifact |
사용자 가이드에 따르면, 레이어 건너뛰기를 끄면 출력이 더 사실적으로 보이지만 세부 디테일이 무너질 수 있습니다.
ComfyUI 지원
핵심 지원은 출시 당일 PR #17095에서 반영되었습니다. Hugging Face 체크포인트 키를 그대로 로드하는 comfy/ldm/moss_image DiT, Qwen3.5-9B 텍스트 인코더 연결, 그리고 레이아웃 프롬프트 노드입니다. 이 지원은 최신 릴리스 태그 이후에 병합되었으므로, 기존 설치를 업데이트해야 실행할 수 있습니다.
Comfy-Org/MOSS-Image에는 표준 ComfyUI 로더가 기대하는 단일 파일 가중치가 재패키징되어 있습니다.
| 폴더 | 파일 |
|---|---|
diffusion_models | moss_image_sft_bf16 (10.2 GB) · moss_image_sft_int8_convrot (5.4 GB) · moss_image_base_bf16 (10.2 GB) · moss_image_base_int8_convrot (5.4 GB) |
text_encoders | qwen3.5_9b_int8_convrot (9.8 GB) · qwen3.5_9b_w4a8_gptq (7.3 GB) |
vae | flux2-vae.safetensors (340 MB) |
프로젝트 저장소는 자체 네이티브 플러그인 moss-image도 제공하는데, 이는 ComfyUI Manager에서 설치되며 MOSS-Image HF Loader 노드를 통해 로컬 Diffusers 디렉터리를 로드합니다. 예제 워크플로는 1024×1024에서 50 스텝, CFG 3, shift 5, skip layer 22로 실행됩니다.
moss-image 플러그인을 필요로 합니다. Comfy-Org 재패키지의 단일 파일 가중치가 핵심 노드와 함께 사용해야 하는 것입니다.
사용 가능 여부
- 가중치: Hugging Face의 MOSS-Image-Base 및 MOSS-Image-SFT, ModelScope에 미러링됨.
- ComfyUI: PR #17095의 핵심 지원, Comfy-Org/MOSS-Image의 재패키지 가중치, 그리고 ComfyUI Manager를 통한 프로젝트 자체 플러그인.
- 설치 없이 사용해 보기: Hugging Face Space.
- 문서: 프로젝트 홈페이지, 사용자 가이드 그리고 기술 보고서.
MOSS-Image 출력 사례 모음. 출처: OpenMOSS
댓글
GitHub로 로그인하고 토론에 참여하세요.