HiDream-O1-Image - 픽셀 공간 모델로 VAE가 필요 없음, 8B 파라미터

Model
https://huggingface.co/HiDream-ai/HiDream-O1-Image-Dev
https://huggingface.co/HiDream-ai/HiDream-O1-Image

HiDream-O1-Image는 외부 VAE나 분리된 텍스트 인코더 없이 픽셀 레벨 통합 트랜스포머(Pixel-level Unified Transformer, UiT)를 기반으로 구축된 네이티브 통합 이미지 생성 파운데이션 모델입니다. 이 모델은 원시 픽셀(raw pixels), 텍스트, 그리고 작업별 조건들을 단일 공유 토큰 공간에 내재적으로 인코딩하여 — 최대 2,048 × 2,048 해상도에서 텍스트-이미지 생성(text-to-image), 이미지 편집(image editing), 주제 기반 개인화(subject-driven personalization)를 지원합니다.

주요 특징

• 픽셀 레벨 통합 트랜스포머 (Pixel-Level Unified Transformer) — 원시 픽셀에 대한 단일 엔드투엔드 모델로, VAE나 분리된 텍스트 인코더가 필요 없습니다.
• 하나의 모델, 다수의 작업 (One Model, Many Tasks) — 하나의 아키텍처에서 텍스트-이미지 생성, 긴 텍스트 렌더링(long-text rendering), 명령어 편집(instruction editing), 주제 기반 개인화, 스토리보드 생성을 지원합니다.
• 추론 기반 프롬프트 에이전트 (Reasoning-Driven Prompt Agent) — 생성 전에 암묵적인 지식, 레이아웃, 텍스트 렌더링을 해결하는 내장형 '사고(thinking)' 에이전트를 갖추고 있습니다.
• 네이티브 고해상도 (Native High Resolution) — 최대 2,048 × 2,048 해상도까지 직접 합성하며 선명한 미세 디테일을 제공합니다.
• 8B 규모에서의 탁월한 효율성과 범용성 (Exceptional Efficiency and Versatility at 8B Scale) — 단지 8B 파라미터만으로 더 큰 오픈 소스 DiT(Diffusion Transformer)나 선도적인 폐쇄형 모델과 동등하거나 심지어 능가하는 성능을 달성합니다.