1. 튜토리얼 소개

Ovis-Image는 AIDC-AI 팀이 2025년 11월에 발표한 고품질 텍스트-이미지(T2I) 생성 모델인 Ovis-Image-7B를 기반으로 구축된 고품질 텍스트-이미지 생성 모델 시스템입니다. 이 시스템은 멀티스케일 트랜스포머 인코더와 자기회귀 생성 아키텍처를 사용하여 고해상도 이미지 생성, 디테일 표현, 다양한 스타일 적응에서 뛰어난 성능을 보여줍니다. 최적화된 노이즈 샘플링과 분류기 없는 가이드 기법을 통해 Ovis-Image는 1024×1024 해상도에서 자연스럽고 일관성 있으며 디테일한 이미지를 생성할 수 있으며, 사실적, 사이버펑크, 애니메이션, 공상과학 등 다양한 스타일을 지원합니다. 관련 연구 논문은 검색 가능합니다. Ovis-Image 7B: 다중 스케일 변환기를 사용한 텍스트-이미지 생성 .

핵심 기능:

• 고해상도 네이티브 생성: 최대 1024×1024 해상도의 네이티브 생성을 지원하여 추가적인 초고해상도 모델이 필요 없이 선명하고 자세한 결과를 얻을 수 있습니다.
• 다중 스케일 의미 모델링: 다중 스케일 Transformer 인코딩 구조를 기반으로 전체 구성과 로컬 텍스처 세부 정보를 모두 고려합니다.
• 고품질의 디테일 재현: 캐릭터, 소재, 조명, 환경적 복잡성 측면에서 안정적인 성능을 발휘합니다.
• 다양한 스타일을 아우르는 강력한 다재다능함: 리얼리즘, 사이버펑크, 애니메이션, 공상과학, 일러스트레이션 등 다양한 주류 스타일을 기본적으로 지원합니다.
• 높은 제어성을 갖춘 생성 기능: 안내 척도, 샘플링 단계, 해상도, 난수 시드를 통해 세밀하고 제어 가능한 생성이 달성됩니다.
• 추론 정확도와 효율성의 균형: BF16 저메모리 추론을 지원하는 동시에 FP32 디코드를 활용하여 최종 이미지 정확도를 개선합니다.

이 튜토리얼에서는 Grado를 사용하여 Ovis-Image 7B 코어 모델을 배포하고 "RTX_5090" 컴퓨팅 리소스를 사용하여 비디오 메모리/메모리 병목 현상 없이 1024×1024 고해상도 텍스트를 생성할 수 있습니다.

2. 효과 표시

Ovis-Image 7B는 핵심 작업에서 매우 뛰어난 성능을 발휘합니다.

• 복잡한 장면 생성: 자세한 텍스트 프롬프트에서 자연스럽고 논리적으로 타당한 이미지를 생성합니다.
• 다양한 스타일 지원: 사실적, 사이버펑크, 애니메이션, 공상과학 등 다양한 시각적 스타일을 생성할 수 있습니다.
• 고해상도 디테일: 풍부한 질감, 그림자, 조명.
• 제어 가능성: 생성된 효과는 단계 수, 안내 척도, 해상도를 변경하여 조정할 수 있습니다.

3. 작업 단계

1. 컨테이너를 시작하세요

컨테이너를 시작한 후 API 주소를 클릭하여 웹 인터페이스로 들어갑니다.

2. 시작하기

"잘못된 게이트웨이"가 표시되면 모델이 초기화 중임을 의미합니다. 모델이 용량이 크므로 2~3분 정도 기다린 후 페이지를 새로 고쳐주세요.

매개변수 설명

• 이미지 높이/너비: 32의 단계 크기로 이미지의 높이와 너비를 생성합니다.
• 추론 단계 수생성된 단계가 많을수록 이미지 세부 정보가 더 풍부해집니다.
• 지도 척도텍스트 프롬프트 강도입니다. 값이 높을수록 이미지가 프롬프트에 더 가깝습니다.
• 씨앗무작위 시드는 재현 가능한 생성을 보장합니다.

인용 정보

이 프로젝트에 대한 인용 정보는 다음과 같습니다.

@article{ovisimage7b,
  title={Ovis-Image 7B: Text-to-Image Generation with Multi-Scale Transformer},
  author={AIDC-AI Team},
  journal={arXiv preprint arXiv:2511.22982},
  year={2025}
}