Glyph-ByT5，一個(gè)可以提高圖像生成中文本渲染準(zhǔn)確性的文本編碼器。Glyph-ByT5不僅可以處理單個(gè)字母或詞語，還可以處理整個(gè)段落，還能智能地安排文字的布局，進(jìn)行自動(dòng)排版，保證美觀。

Glyph-ByT5通過其升級版Glyph-ByT5-v2，為圖像生成中的文本渲染提供了更高的準(zhǔn)確性和更廣的語言支持。

Glyph-ByT5亮點(diǎn)：

Glyph-ByT5確定了文本編碼器實(shí)現(xiàn)準(zhǔn)確的視覺文本渲染的兩個(gè)關(guān)鍵要求：字符識別和字形對齊。因此，Glyph-ByT5提出了一種定制的文本編碼器 Glyph-ByT5，通過使用精心策劃的配對字形文本數(shù)據(jù)集對字符感知 ByT5 編碼器進(jìn)行微調(diào)。

Glyph-ByT5提出了一種將 Glyph-ByT5 與 SDXL 集成的有效方法，從而創(chuàng)建了用于設(shè)計(jì)圖像生成的 Glyph-SDXL 模型。這顯著提高了文本渲染的準(zhǔn)確性，在Glyph-ByT5的設(shè)計(jì)圖像基準(zhǔn)測試中將其從不到 20% 提高到近 90%。值得注意的是 Glyph-SDXL 新發(fā)現(xiàn)的文本段落渲染功能，通過自動(dòng)多行布局實(shí)現(xiàn)數(shù)十到數(shù)百個(gè)字符的高拼寫準(zhǔn)確性。

Glyph-ByT5提供強(qiáng)大的定制多語言文本編碼器 Glyph-ByT5-v2 和強(qiáng)大的美觀圖形生成模型 Glyph-SDXL-v2，可以支持不同語言的準(zhǔn)確拼寫。

Glyph-ByT5主要功能：

• 更好地理解文字： Glyph-ByT5能夠更好地理解文字，確保每個(gè)字母和符號在圖片中的顯示與輸入時(shí)完全一致。

• 確保文字與其顯示方式匹配： Glyph-ByT5能確保文字的顯示方式與其應(yīng)有的樣式完全匹配，無論是海報(bào)還是T恤設(shè)計(jì)。

• 提高文字顯示的準(zhǔn)確性： 通過使用Glyph-ByT5，大幅提高文字在設(shè)計(jì)圖像中的顯示準(zhǔn)確性。

• 渲染段落： Glyph-ByT5不僅可以處理單個(gè)字母或詞語，還可以處理整個(gè)段落，能自動(dòng)安排多行文字的布局，使其既美觀又準(zhǔn)確。

• 改善場景中的文字顯示： Glyph-ByT5能夠處理并自動(dòng)排版整個(gè)段落的文字，以及改善現(xiàn)實(shí)場景圖片中文字的顯示，如路標(biāo)、廣告牌或衣服上的文字，都能清晰準(zhǔn)確地顯示。

演示地址：https://huggingface.co/papers/2406.10208

項(xiàng)目地址：https://glyph-byt5.github.io/

論文地址：https://arxiv.org/abs/2403.09622

Github：https://github.com/aiGText/Glyph-ByT5